超级个体进化论：AI时代的双引擎学习力

——核心目的：从被动适应到主动进化，实操中，确立“以用促学”的基调

一、时代的变迁：从“学识库”到“调用力”

1. 职场研习 vs 学校研习的根本差异

1）学校：存量学识、线性、有准则答案

2）职场：增量挑战、非线性、破解未知

2. DIKW模型和AI的冲击

1）资料(Data) -> 资讯(Info) -> 学识(Knowledge) -> 智慧(Wisdom)

2）危机：只会搬运资讯的人，注定被AI取代

3. 自我定位：你是哪种研习者？

——常见的“伪勤奋”陷阱

1）松鼠症（只收藏不看）

2）无头苍蝇（没有标的瞎学）

3）学霸型研习者（过度准备，不敢实战）

——操练：识别情境中的研习陷阱

二，超级个体的定义：

1. 定义：超级个体=人脑（核心算法）+ AI（超级算力）

2. 超级个体的三大特征

1）JIT (Just-in-Time) 研习本领：即学即用

2）学识连接力：知道学识在哪里，知道怎么用推演将它串起来

3）AI驾驭力：懂得让AI做苦力（搜集，整理），自己做决策（判断，输出）

——核心目的：引入“定向/非定向”模型，绘制职场研习的方略地图。

一、路径一：定向研习——“猎人模式”（破解当下的生存问题）

1. “猎人模式”适用情境：

1）紧急项目

2）突发Bug

3）新岗位适应

2. 核心六步法详解和AI加速

1）瞄准阶段：确认标的 & 寻找差距

• 怎样确认标的

- 传统痛点： 标的模糊

- 猎人思路： 将“研习标的”转化为“业务标的”

- AI加速器： 利用AI将模糊诉求转化为SMART标的

• 怎样寻找差距

- 传统痛点： 盲目笃定或者盲目焦虑，不知道自己缺什么，浪费时间

- 猎人思路： 缺啥补啥。做本领减法

- AI加速器： 利用AI开展“本领诊断”

2）捕获阶段：搜索途径 & 收敛学识

• 怎样破解搜索途径 (Search Path)

- 传统痛点： 传统搜索，广告多，资讯杂，筛选高质量信源花时间

- 猎人思路： 只要“地图”，换个角度看，不要“迷宫”

- AI加速器： AI是最 好的“资源导航员”

• 怎样收敛学识

- 传统痛点：几百页的资料，读到一半放弃

- 猎人思路： 弱水三千，只取一瓢。只学能破解当下问题的20%的要害学识，执行层面，剩下的以后再说

- AI加速器： AI是“超级摘要机”

3）沉淀阶段：运用实战 & 整理资料

• 怎样运用实战 (Apply in Action)

- 传统痛点： 纸上谈兵

- 猎人思路： 最小可行性货品 (MVP)

- AI加速器： AI是“辅助驾驶员” (Co-pilot)

• 整理资料 (Organize Data)

- 传统痛点： 差事做完了，遇到同样差事，又要从头查起

- 猎人思路： 将“一次性心得”变成“可复用的资产 (SOP)”

- AI加速器： AI是“文书专员”

——操练：限定主题《30分钟：从小白到行家》

二、路径二：非定向研习——“农夫模式”（储备未来的演进本领）

1. “农夫模式”适用情境：

- 碎片时间

- 业界洞察

- 本领跃迁

2. “农夫模式”核心五步法详解

1）关注办法 (Focus on Method)

——“别只看热闹，从实践看，要看门道”

- 剥离具体经过，提取通用的推演、模型、SOP

- AI加速器： AI是“推演提取机”

2）假想情境 (Imagine Scenarios)

—— “倘若是我，我会怎么用？”

- 看到一个好办法（种子），要立刻在脑海里给它找一块地（情境）种下去

- 学识倘若不迁移，就是死学识

- AI加速器： AI是“脑暴还原器”

3）构筑架构 (Build System)

—— “别做收藏家，实操中，要做连接者”

- 没有分类，就没有记忆

- 构筑一个自己的“学识树”

- AI加速器： AI是“图书管控员”

4）输出运用 (Output & Apply)

—— “以教代学，让学识显形”

- 费曼招数的终 极运用： 输入是别人的，在实际应用里，输出才是自己的

- 能够产生一个“可交付的作品”

- AI加速器： AI是“内容润色师”

5）质疑反思 (Question & Reflect)

—— “尽信书不如无书”

- 何办法论都有适用边界

- 批判性思路：这个理论什么情况下会失效？它的反面看法为何？

- AI加速器： AI是“苏格拉底/杠精”

——操练：抽取盲盒卡，规划跨界炼金术，打破思路隔离墙，训练从无关事物中提取办法论，并强制运用到事务中**的本领

——核心目的：经典办法论（内功）+ AI抓手（外挂）的实战融合

一、输入端：结构化思路（像搭积木一样吸收资讯）

1. 麦肯锡金字塔原理在研习中的运用

1）结论先行：3秒钟抓住核心看法

2）以上统下：先看目录再看细节

3）分类归组：将复杂资讯模块化

4）推演递进：理清事物的推演关系

2. 实战上手：AI辅助结构化

- 操练：阅读一篇混乱的业界报告

- 抓手：采用AI一键生成思路导图或者结构化摘要

2. 内化端：费曼研习法（从“知道”到“真懂”）

1. 费曼招数的核心推演

- 准则：能不能用大白话讲给外行听？

- 步骤：Target（标的） -> Teach（教学） -> Review（回顾） -> Simplify（简化）

2. 实战上手：AI作为陪练对象

- 情境还原：向AI（设定为不懂技艺的老板）解释一个专精概念

- 反馈制度：让AI给你的解释打分，执行层面，并指出哪里晦涩难懂

3. 输出端：刻意操练（从“懂了”到“肌肉记忆”）

1. 区分“研习”和“操练”

1）研习是脑力认知，运行层面，操练是行为改变

2. 刻意操练三要素

1）走出舒适区（练不会的）

2）高频重复（形成套路）

3）即时反馈（纠正错误）

4. 实例拆解：怎样利用AI规划刻意操练规划

——即使没有真人导师，也能生成针对性的题库和还原情境

——核心目的：收束复盘，迁移学识

一，构筑个人学识库 (PKM)

1）学识库构筑的CODE 模型

- Capture （采集）：不放过任何灵感和干货

- Organize （组织）：以“行动”为导向分类，执行层面，而不是以“话题”分类

- Distill （提炼）：让AI帮你将书读薄

- Express （表述）：学识的终点是破解难题和输出

2）抓手流推荐：IMA

- 搜（全网+公众号）：深度检索微信公众号文章

- 读（万物皆可读）： 迅速阅读海量资讯，结构化输出

- 存（自动入库）：有用的资讯，一键“加入学识库”，将内容向量化，变成了AI能够领会和调用的“记忆”

3）怎样用IMA构筑个人学识库

采集： 在微信/网页看到好内容， 一键存入 ima 学识库（稍后读）

加工： 周五下午，落地时，打开 ima，就一线经验说，对本周收集的内容提问：“本周我收集了关于[AI营销]的5篇文章，请帮我收束出3个核心趋势。”

归档： 将 AI 收束好的精华内容，复制到 ima 永久保存

4）学识资产的复利效应

- 线性增长： 今天学1个学识点，明天学1个，你具备2个

- 复利增长： 今天学的学识点，能和去年的旧学识连接，实操中，换个角度看，帮你破解了一个全新的复杂问题

——人脑记忆力有限，就一线经验说，我们永远在“重复造轮子”，无法享受复利

5）学识库达成“复利自动化”

- 本领一：跨时空对话 (Chat with Library)，自动将你沉睡的旧资料挖出来，结合今天的诉求，生成全新的洞察

- 本领二：学识碰撞 (Connecting Dots)，将两个不相关的领域打通了，产生了“跨界革新”

- 本领三：全能外脑 (Personal RAG)，喂给学识库的资料越多，它就越懂你

二、行动指南

1. 第 一周差事（冷启动）： 将公司所有的货品指引，员工指引，过去一年的出色实例（脱敏后），运行层面，全部投喂给IMA

2. 日常习惯（存本金）： 遇到不懂的业务词汇、觉得好的业界文章，别只在脑子里过一遍，必须要“数智化”存入IMA

3. 运用口诀（吃利息）： “遇事不决问学识库”。 写方案前，先问 IMA：“我的库里有没有相关资料能够参考？”

——操练：用IMA构筑个人专题学识库

——未来的竞争力 = 研习本领 × AI驾驭力

收束，答疑

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|杜新星老师