自  序

当AI开始无所不能，我们还能做什么

写给每一个想成为AI时代思考强者的人，这是我的故事，也是你的捷径。

AI到来之后，很多人最焦虑的问题是：我会不会被替代？

但我想说，真正最先被替代的，可能不是某一个职业，而是一种旧的学习和思考方式。过去，一个人只要足够努力，愿意花时间查资料、背知识、整理笔记、模仿优秀案例，就能超过很多人，因为信息不容易获得，经验不容易复制，答案也没有那么便宜。

可是现在不一样了。

你花半天时间整理的一份资料，AI几分钟就能完成。你用一周时间查找的案例，AI可以一次性列出几十个方向。写一篇文章、做一份方案、设计一门课程、生成一段代码，AI都可以参与，甚至比我们做得更快、更好。

于是，一个残酷的问题出现了：

如果你的学习，只是记住更多知识；

如果你的思考，只是整理已有信息；

如果你的工作，只是按部就班地完成任务；

如果你的表达，只是把别人说过的话换一种说法；

那么，AI不是未来会影响你，而是正在一步步替代你。

这不是危言耸听。

AI让答案变得越来越便宜，也让“会找答案”这件事的价值开始下降。真正变得重要的是：你能不能提出好问题，能不能判断答案的质量，能不能把零散信息变成自己的理解，能不能在复杂情境中做出选择，能不能把AI生成的内容转化成真正有价值的作品。

换句话说，AI时代最稀缺的不是答案，而是思考力。这也是我写这本书的原因。

我的故事

我并不是一开始就懂得如何学习和思考的人。恰恰相反，我很早就发现了自己的笨拙。我老家在江西省万安县，那是一个要把中国地图放大好几倍才能看见的小县城。小时候家里条件不好，一个高单凳加一个低单凳，就是我的书桌。那张书桌很小，小到上面只够摊开一本书。小学、初中的时候，我还住在那种直不起腰的阁楼上。

这就是我的起点。那时，我对学习没有那么多宏大的理解；不是为了开拓视野，也不是一开始就懂得什么叫改变命运。对一个小县城里的孩子来说，学习最朴素的意义就是：我想成长，我想变强，我想走出去。

后来，我考上了大学。进入大学以后，我才发现一件让我很受打击的事：我根本不会学习。高中时，学习就像一条被安排好的跑道：今天背哪一课，明天做哪套卷子，老师会布置，考试会提醒，时间表会推着我往前跑，哪怕跑得辛苦，但至少知道方向在哪里。

可是大学不一样。没人天天盯着，老师上完课就走了，书是自己的，时间也是自己的。突然要自己决定：学什么，怎么学，学到什么程度，怎样才算真的学会了。我记得很清楚，大一上学期，我从图书馆借回来一大摞书，坐在书桌前一页一页地翻，一行一行地划重点。看起来很努力，也确实花了很多时间，但效果很差。翻了几十页，合上书，脑子一片空白。一个下午过去了，好像什么都没留下。那种感觉很难受：明明用了功，明明也没有偷懒，但就是学不进去，收获很少。

那时我开始问自己一个问题：学习这件事本身，是不是也需要学习？这个问题，后来改变了我的学习方式。

从笨办法到自己的方法系统

没人教我如何学习，我只能根据自己的实际情况一点一点地摸索。

那时我在物理系，除了完成本专业的学习，还在自学计算机。最大的问题是没有大块时间。白天要上课、做作业、做实验，真正能拿出来学习计算机的往往只是一些零散时间。于是我开始尝试把大块学习拆成小块：今天学一个概念，明天理解一个命令，后天解决一个小问题。时间是碎片化的，我就用碎片化的时间去积累碎片化的知识。后来我把这种方法提炼成了敏捷学习法。但很快就发现，光是学过还不够—很多内容当时好像懂了，过几天再看又说不清楚了，遇到真实问题时也不知道怎么用。于是，我开始逼自己把学到的知识写下来，把遇到的问题整理成博客，用自己的话讲出来。写的过程，其实就是重新理解的过程。一个概念能不能讲清楚，一个问题能不能写明白，马上就能暴露出我到底是真懂，还是只是看过。后来我才知道，这种“用自己的话讲给别人听”的方法，与很多人推崇的费曼学习法非常接近。再后来，碎片化知识积累得越来越多，我又遇到了新的问题：东西学了不少，但散在各处，彼此之间没有关系。于是，我开始尝试把新知识和旧知识连起来，画图、归类、搭框架，把一个个零散的知识点连成线，再组成面，最后搭成一个更立体的知识结构。这就是结构化思维。

这些方法都不是我一开始就设计好的。更多时候，它们是我在一次次“学不进、记不住、用不上”之后，被现实逼出来的笨办法。也正是这些笨办法，慢慢拼出了我的学习体系：用敏捷学习法解决时间不够的问题，用费曼学习法解决理解不深的问题，用结构化思维解决知识零散的问题。

从那以后，学习对我来说，不再完全受时间和空间限制。只要有一点时间，我就可以往前推进一点；只要遇到一个问题，我就可以把它变成一次学习；只要积累得足够多，我就可以把碎片慢慢搭成自己的体系。

一个偶然的机会，我接触到了图形化编程。这一次，我不再像以前那样完全从零摸索。大学里那些被现实逼出来的笨办法，开始重新派上用场。我先用敏捷学习法去学。那时我依然没有大块时间，就把图形化编程拆成一个个小知识点：今天学一个积木模块，明天研究一个交互效果，后天解决一个小问题。我用碎片化时间一点一点往前推进。学到一定程度后，我开始用费曼学习法，把学到的内容录成孩子也能听懂的课程。一个知识点，如果我讲不清楚，就说明我还没有真正理解；一个步骤，如果孩子听不懂，就说明我的表达还不够清楚。录课的过程，其实又逼着我把知识重新理解一遍、提炼一遍、讲透一遍。这些课程越录越多后，我又开始用结构化思维整理它们：哪些内容应该放在前面，哪些内容应该放在后面；哪些是基础概念，哪些是进阶应用；哪些适合做动画，哪些适合做游戏，哪些适合做工具。我把一节一节零散的课程重新归类、排序、搭框架，最后形成了一套图形化编程体系课程。

也正是在这个过程中，我又悟出了新的学习方法。我发现，很多学习者并不喜欢一上来就听理论，他们更喜欢先看到一个真实目标：做一个小游戏、做一个动画、做一个实用工具。只要目标足够具体，学习就不再是被动听课，而是为完成一个目标，主动去学习知识。于是，我开始把每一节课都设计为一个项目。不是先灌输概念，再告诉学习者“以后会有用”；而是先给出一个要完成的作品，再带着他们在完成作品的过程中理解概念、掌握技能。这接近现在常说的项目制学习，也就是PBL（Project-Based Learning）。它本质上是一种自上而下的学习方法：先有项目，再反过来带动知识学习。

2016年，清华大学出版社的编辑找到了我，让我把这套课程进一步整理成书。出书这件事，又让我悟到了更深的一层。

我意识到，学习方法不只是帮我学会知识，还能帮我把知识变成资产。碎片化学习让我持续积累，费曼学习法让我把知识讲清楚，结构化思维让我把零散内容搭成体系，项目制学习法让我把知识变成真实技能。当这些体系被整理成课程、文章、项目、书籍时，它们就不再只是我脑子里的知识，而变成了看得见的作品。

这就是我后来一直强调的作品思维。所谓作品思维，不是学完就算了，而是把学习的过程、理解的结果、解决问题的方法，沉淀为一个别人看得见、用得上、能传播、能积累的成果。它可以是一篇文章、一节课、一个项目、一套课程，一条短视频，也可以是一本书。到这里，我的学习体系才真正形成闭环：用敏捷学习法解决没有大块时间的问题，用费曼学习法解决理解不深的问题，用结构化思维解决知识零散的问题，用项目制学习法解决知识不能落地的问题，最后用作品思维把这一切沉淀成自己的知识资产。

这些方法，我沉淀了十年。十年间，我编写了10种计算机畅销书。

当这些方法遇到AI

现在，我迎来了人生的下一个十年。今天，AI来了，很多人问我：“你慌不慌？”

说不慌是假的。写书的人、讲课的人、做知识工作的人，谁没有被这个问题击中过：AI会不会替代我？我花了这么多年积累的学习方法、写作经验、课程体系，会不会突然变得不值钱？

一开始，我也有过这种不安。可是，AI用得越多，我越发现一件事：AI并没有让真正的学习方法过时，反而把它们放大了很多倍。

敏捷学习法遇到AI，反馈速度变快了。过去写一段文字、做一个方案、整理一个想法，要等别人看、等别人提意见，可能要几天甚至更久。现在，你可以马上让AI检查结构、发现漏洞、提出修改方向。你可以快速试错，快速修改，快速迭代。

费曼学习法遇到AI，陪练变得随时可得。过去你想找一个不懂的人听你讲，未必有人有时间，也未必有人愿意一遍遍地听你解释。现在，AI可以随时扮演那个“不懂的人”，听你一遍遍地讲，再追问你哪里含糊、哪里跳步、哪里没有讲透。

项目制学习法遇到AI，任务拆解变得更容易。面对一个大目标，你不再只能一个人硬扛。AI可以帮你拆任务、排顺序、做计划、提醒风险。它像一个不知疲倦的项目助理，但真正决定目标和方向的人，仍然是你。

结构化思维遇到AI，整理材料的效率被大大提高。你给AI一堆零散想法，它可以帮你归类、搭框架、找层级。但框架好不好，逻辑通不通，是否真的适合，依然需要你来判断。

作品思维遇到AI，作品反而变得更加重要了。AI可以生成很多内容，但正因为内容越来越容易获得，真正能证明一个人的，反而是他长期沉淀下来的作品。作品不是临时生成的答案，而是你思考过、判断过、选择过、修改过、承担过的结果。AI可以给你提供材料，却不能替你沉淀属于自己的知识资产。AI越强，属于你自己的作品就越宝贵。

那一刻，我突然意识到：我大学里一点一点摸索出来的那套方法，并没有被AI淘汰，而是被AI解锁了。

因此，本书不是一本单纯教你怎么使用AI工具的书。工具会更新，平台会变化，今天流行的功能可能明天就被新的功能替代。如果一本书只教工具，它很容易过时。我真正想写的，是AI时代更底层的东西：一个人如何学习、如何思考、如何把AI变成自己的成长教练，而不是把自己变成AI答案的搬运工。

AI时代真正拉开人与人差距的，不是会不会输入提示词，而是会不会提出好问题；不是会不会让AI给答案，而是会不会判断答案；不是会不会收藏知识，而是会不会把知识变成自己的能力；不是会不会追逐新工具，而是会不会建立自己的思考力框架。

这些年，我也慢慢形成了自己的思考教学方法：放空教学法和三条教学设计曲线—兴趣曲线、阶梯曲线、成就曲线。

放空教学法，解决的是“如何真正帮助别人学会”。它把教学从“我告诉你答案，教你方法”，往前推进到了“我陪你找出答案”。真正的教学目标不是灌输知识，而是帮助学习者构建自己的思考力框架。

兴趣曲线、阶梯曲线、成就曲线，解决的是学习中最常见的三个卡点：不想学、学不会、学不深。也就是说，兴趣曲线解决“不想学”，阶梯曲线解决“学不会”，成就曲线解决“学不深”。

这些概念，不是我坐在书桌前凭空设计出来的，而是我从学习、写作、教学，以及一次次陪伴学习者解决真实问题的过程中，慢慢总结出来的。

AI来了以后，它们不是变轻了，而是变得更重要了。因为AI虽然可以给你答案，却不能替你提出真正属于你的问题；AI虽然可以帮你生成内容，却不能替你完成真正属于你的成长；AI虽然可以陪你学习、陪你写作、陪你打磨作品，但最终如何思考、如何判断、怎样行动、留下些什么，仍然要回到你自己身上。

这本书的底层骨架

本书的底层骨架包含四层。

第一层，是知识。知识是思考的土壤。没有知识，思考就没有材料。AI能给你很多答案，但如果你完全没有相关背景，就不知道它说得对不对，甚至无法理解AI给出的答案，更不知道接下来该问什么。

第二层，是方法。方法解决“怎么做”的问题：怎么学习，怎么复盘，怎么提问，怎么拆解任务，怎么把一个目标变成行动路径。方法让人从空想走向实践。

第三层，是方法论。方法论不是让你记住更多方法，而是让你理解方法背后的逻辑，知道什么时候该用敏捷学习法、什么时候该用费曼学习法；什么时候该先收敛、什么时候该先发散。方法是工具，方法论是你选择和运用工具的能力。

第四层，是思考力框架。这一层更重要，它让你不仅会思考，还能看见自己正在怎么思考。你能跳出来审视自己：我是不是问错了问题？我是不是被惯性牵着走？我是不是只是在寻找一个让我舒服的答案？我现在需要发散还是收敛，需要行动还是重新定义问题？

大多数人卡在第二层。他们学了很多方法，收藏了很多课程，听过很多道理，但遇到新问题时，还是不知道该怎么办。因为他们拥有工具，却没有形成选择工具、组合工具、升级工具的能力。

本书想带领读者从知识走到方法，再从方法走到方法论，然后从方法论走到思考力框架。

这本书写给谁

如果你是一个正在学习的年轻人，我希望这本书能帮你明白：学习不是拼命往脑子里塞东西，而是训练自己提出问题、理解问题、解决问题。

如果你是一个职场人，我希望这本书能帮你看见：AI不是单纯来代替你的，它也可以帮助你从执行者升级为思考者、判断者、整合者。

如果你是老师，我希望这本书能帮你重新理解“教”：真正重要的，不是把答案告诉学生，而是让学生“长”出自己寻找答案的能力。

如果你是家长，我希望这本书能帮你少一点焦虑，多一点方向：AI时代，孩子不仅要学会使用AI，更要学会驾驭AI。

如果你只是一个普通学习者，面对快速变化的世界有些茫然，我希望这本书能给你提供一条清晰的路径：先看清自己在哪里，再一步一步训练自己的学习力和思考力。

请把这本书当作思考训练手册

AI会越来越强，答案会越来越便宜，信息会越来越多。如果一个人没有自己的思考力，他会被答案淹没；如果一个人拥有自己的思考力，他就能借助AI，把自己放大很多倍。

因此，不要把本书当作一本读完就放回书架的书。我更希望你把它当作一本可以边读边练的思考训练手册。在每一章里，你都会看到观点、案例、AI小实验和行动清单。你不需要一次掌握所有内容，也不需要像我当年那样，一个方法一个方法地去试错。你只要找到自己现在最需要的那块拼图，先用起来、练起来，再回到生活和工作中验证它。

当你开始用AI追问自己，而不是只让AI替你回答时；

当你开始用AI复盘行动，而不是只让AI生成文本时；

当你开始用AI训练思考，而不是只让AI节省时间时；

你就会发现：AI不是让你停止学习的理由，它恰恰为真正会学习的人提供了前所未有的机会。

这本书，是我在脑海里写了十年的书。十年前，我想解决的是自己“怎么学习”的问题。十年后，我想和你一起解决的是：在AI时代，我们如何思考，如何学习，如何借助AI成为这个时代的强者，如何成为一个更清醒、更主动、更强大的人。

你的思考，是你最后的城堡。

而AI，不是城堡外的敌人。

它可以成为你修建城堡的工具。

刘凤飞

2026-03-11