AI 时代超级个体白皮书 | Bin哥的知识地图

00 · 总览：AI 时代，你不需要成为六边形战士

一句话结论（BLUF）：AI 时代的超级个体不靠"样样精通"，而靠一套新算法——把技能分成"日抛型"和"基本素养"两类，日抛型大胆交给 AI，基本素养亲手修炼；修炼的重点是七大核心能力，与 AI 协作的秘诀是三大原能力。

一个生活类比

过去想成为"什么都会"的人，就像自己种菜、自己养猪、自己盖房——听起来很强，其实是对自己的压榨，大部分技能投入产出比极低。AI 时代像住进了配套齐全的小区：水电煤、外卖、维修都可以"外包"，但会不会过日子这件事外包不了。哪些交出去、哪些留在手里，正是本白皮书要讲清楚的第一件事。

技能分类：日抛型 vs 基本素养

日抛型技能——像日抛隐形眼镜，用的时候拿起来，用完就扔，可以放心交给 AI：

工具操作类：剪映怎么剪、Excel 函数怎么写。趋势是所有工具都在变成"说人话就能用"。
流程性大于认知性的技能：照着步骤做就能完成的事。
可表达的经验：只要能用语言描述清楚的经验，都可以写成提示词，变成 AI 的能力。
信息差型技能：2024 年以前互联网上已有的工具和知识，大模型基本都知道，"我知道你不知道"的优势正在消失。

基本素养——像肌肉和心肺功能，必须亲手练、持续练，永远不要交给 AI：这些能力滋养大脑，让思维更灵活、敏捷、全面，并训练大脑接受反馈、持续迭代。

七大核心能力（本白皮书的骨架）

#	能力	一句话说明	章节
1	信息获取	主动拿到一手信息，不被算法投喂	白皮书-01-信息获取
2	信息挖掘	看穿信息背后的动机与商业逻辑	白皮书-02-信息挖掘
3	写作	文档写作同步信息，营销写作说服他人	白皮书-03-写作能力
4	审美	有规则可循，先做到"不丑"	白皮书-04-设计审美
5	数据分析	用数据支撑决策，不拍脑门	白皮书-05-数据分析
6	公开表达	用口语把事情说清楚	白皮书-06-公开表达
7	自主学习	快速学会新东西，是敢于"日抛"的前提	白皮书-07-自主学习

AI 是怎么工作的（小白版，30 秒）

AI 大模型并没有一个"知识库"在里面翻书。它把语言变成了数学空间里的"箭头"（向量），然后逐字预测下一个最可能出现的词——本质是概率生成，不是搜索（参见概念-AI是概率生成机）。这解释了两件事：它为什么会一本正经地胡说（幻觉），以及为什么提示词的本质是给它指方向——从你所在的起点，指向你想去的终点。

与 AI 协作的三大原能力

使用 AI 的本质，是"工具操作能力"和"领域基础素养"的协同进化，缺一不可。落到操作上是三招：

原能力一：不做渣男——把背景说全

渣男的特点是含糊其辞。跟 AI 沟通恰恰相反：把所有能帮它理解现状的背景信息说清楚。实操方法是框架语义学式提问——让 AI 根据它的知识帮你拆解任务、列出缺失的"槽位"，你来补齐。比如让 AI 写一条卖课的小红书笔记，它会反问你：课程在什么平台、时长多少、有无优惠、开营时间、目标人群、和别人的课差在哪。（框架语义学是语言学家 Charles Fillmore 于 20 世纪 70—80 年代提出的理论：理解一个词需要激活它背后的整个知识框架。课程借用了这个思想。另见概念-把模糊需求说清楚）

原能力二：不做渣女——把目标说清

渣女的特点是"你猜我要什么"。对 AI 要明确表达诉求和验收标准。实操方法是 EARS 语法：用"当……的时候，系统应该……"的固定句式，把零散需求写成可验收的规则、细则和测试用例。

⚠️ 修正课程笔记的一处说法：课程称 EARS 是"NASA 等机构使用的方式"。经查证，EARS（Easy Approach to Requirements Syntax）由罗尔斯·罗伊斯公司（Rolls-Royce）的 Alistair Mavin 团队在分析喷气发动机适航需求时提出，2009 年发表于 RE'09 需求工程会议；NASA、空客、英特尔、西门子等是它的使用方。来源：Alistair Mavin 官方页面。

原能力三：师夷长技以制夷——向 AI 学，再让 AI 干

先问 AI："这类工作的专业方法论是什么？"学会之后，再要求 AI 用这个方法帮你干活，并按方法论验收。可以持续"套娃"：不断学新方法→用新方法压榨出更好的产出。原理在于：人类总结的知识本质是压缩，专业术语是高度压缩包，用术语提问能显著提升 AI 产出的专业度。这一招给前两个原能力加杠杆。

实践案例：三大原能力串起来用

假设你想给自己的烘焙小店写开业推文：

师夷长技：先问"资深本地生活营销人员写开业推文有什么方法论？"AI 给出如 AIDA、稀缺感设计等。
不做渣男：让 AI 列出它还需要知道的信息（店址、客单价、招牌产品、开业优惠……），逐项补齐。
不做渣女：给验收标准——"当读者读完第一段时，应该能说出开业日期和最大优惠；全文不超过 500 字。"
让 AI 按方法论产出，再让它自己按验收标准检查一遍。

常见误区

把基本素养也外包：让 AI 代替你思考、写作、做判断，短期爽，长期大脑萎缩。日抛的是技能，不是脑子。
把提示词当玄学咒语：到处收集"神级提示词"。方向比咒语重要——背景说全＋目标说清，就赢过 90% 的用法。
等学会了再用：AI 时代的技能获取逻辑是"有意愿＋边干边学"，等，是最贵的成本。

15 分钟行动任务

挑一件你这周要做的真实小事（写通知、做表格、回复客户），按上面案例的四步走一遍，把 AI 的第一版和最终版对比，感受"背景＋目标＋方法论"带来的差异。

本章来源

课程笔记：00-AI时代的超级个体能力（本库 10-来源库/课程录音总结/AI时代超级个体的修炼指南/）
外部补充：EARS 出处（alistairmavin.com）；框架语义学（Charles Fillmore, Frame Semantics）为语言学通识，具体课程如何引用原文——待补充。

01 · 信息获取：别让算法替你决定看什么

一句话结论（BLUF）：信息的流向决定金钱的流向。把"被短视频算法投喂"改成"主动订阅一手信源"，只碰 L1–L3 层级的信息，每周固定时间集中消费。

一个生活类比

把信息当成吃饭：一手信息是原产地直供的食材，难处理但营养最高；专家解读是靠谱餐厅；严肃媒体是连锁店，品质稳定但有配方（立场）；自媒体是路边摊，撞大运；谣言拼接就是地沟油。刷短视频则相当于把薯片当三餐——爽，但会营养不良。消费信息 ≠ 获取信息：刷了两小时只是消费了时间，什么都没带走。

信息五层分级（课程原创框架）

层级	是什么	例子	商业价值
L1 源头信息	未经加工的原始信息	学术论文、GitHub 提交记录、财报、创始人亲笔文章	最高（难懂但值钱）
L2 解释加工	专业者的二次加工	专家博客、官方白皮书、深度采访	较高
L3 严肃媒体	垂直媒体深度报道	财新、虎嗅、36氪等	中等（有立场，需辨别公关稿）
L4 自媒体加工	流量导向的再加工	各类营销号	运气好有洞察，运气差是情绪拼接
L5 信息残渣	造谣与垃圾拼接	——	无，必须避开

原则：你的信息来源必须优于 L4，看到好东西至少要追溯到源头。一个正向循环是：只看一手信息 → 收集好信源 → 挖掘信源 → 看到更优质的信息 → 持续循环。

为什么刷短视频停不下来（以及怎么破）

短视频和老虎机用的是同一套机制——随机奖赏：你永远不知道下一条是宝藏还是垃圾，这种不确定性最容易让大脑上瘾（行为心理学称"间歇性强化"，源自斯金纳的操作性条件反射实验；产品设计领域的系统阐述见 Nir Eyal《上瘾》(Hooked)）。破解办法很朴素：

改成瀑布流：把 App 设置为一屏显示 4–6 个视频的列表模式，随机奖赏立刻消失——你在"选"而不是"被喂"。
主动调教算法：长按不感兴趣的内容，只关注要学习的领域。

信源怎么挖：两个维度

维度一：顺着"人"挖。看到好文章，一定去找作者和转发源头；翻他的历史内容、关注列表、评论区。关注严肃媒体的垂直子账号。

维度二：顺着"词"挖。建立自己的关键词列表，定期搜索，或让 AI 定时代搜；主动向分享高质量信息的人请教"你从哪看到的"。

筛选信源时看一条底层逻辑：博主靠什么赚钱。靠卖信息赚钱的博主内容可信；靠广告赚钱的博主会夸大宣传。

信息消费策略：集中，而不是随时

每周固定时间（如周日晚上）完整刷一遍本周所有信源，建立以周为单位的板块化认知。
双通道：日常碎片刷新＋RSS 订阅工具定期集中消费。

工具清单（2026-07 联网核实版）

Folo（原名 Follow）：课程推荐时叫 Follow，现已随 iOS 版发布更名为 Folo，由 RSSHub 核心团队开发，开源免费，支持"万物皆可订阅"（B 站 UP 主、播客、推特都能订）＋AI 摘要翻译。来源：小众软件、异次元软件
RSSHub：开源 RSS 生成器，可自部署，把没有 RSS 的网站变成可订阅源。
扣子空间（Coze Space）：字节跳动的 AI Agent 平台，"长期计划"功能可每天定时搜集关键词生成早报；现为订阅制（个人版 9.9 元/月起）。来源：扣子官方文档、AIGC 工具导航
具体信源：GitHub Trending（每日热榜项目）、Product Hunt（海外新产品）、阮一峰的网络日志（每周五更新，是否仍在持续——按惯例大概率是，未逐一核实，待补充）、即刻 AI 圈子、AI 公司官方账号。

实践案例：给自己搭一份"AI 行业早报"

装 Folo，订阅 3–5 个 L1/L2 信源（如 GitHub Trending、一两位创始人博客、阮一峰周刊）。
在扣子空间建一个长期计划，提示词示例：

每天早上 8 点，搜索关键词"大模型发布""AI Agent 开源"过去 24 小时的新闻，按【事件—来源链接—对我这种一人公司的潜在影响】三栏输出早报，只要 5 条以内，源头优先于自媒体转述。

每周日晚 30 分钟集中过一遍，把值得深挖的丢进收集箱。

一个月后你会发现：同事还在转发三天前的营销号截图时，你已经看过原始发布页了。

常见误区

收藏 = 积累：订阅了 50 个源、收藏了 300 篇文章，一篇没读。价值在被调用次数，不在存量（参见概念-收藏不是积累）。
用"学习类短视频"自我安慰：载体还是随机奖赏流，本质仍是被投喂。
追求信源数量：5 个精挑的 L1/L2 信源，胜过 50 个 L4。

15 分钟行动任务

现在就做三件事：① 把最常刷的一个 App 改成瀑布流/列表模式；② 找到你最近觉得"有收获"的一篇文章，追溯它的原始出处并关注作者；③ 装一个 RSS 阅读器订阅第一个源。

本章来源

课程笔记：01-信息获取能力
外部补充：Folo 更名与现状；扣子空间现状；间歇性强化——B.F. Skinner 操作性条件反射（心理学通识）、Nir Eyal《Hooked》。
信息五层分级为课程原创框架，未找到独立外部出处。

02 · 信息挖掘：像侦探一样看信息

一句话结论（BLUF）：信息是用来证明猜测、支撑决策的证据，不是零食。正确姿势是三步：先明确目的，再建立假设，然后带着框架去挖——最后用行动验证。

一个生活类比

同样是逛超市，空着手闲逛的人买回一堆用不上的东西；带着购物清单的人十分钟搞定。看信息也一样：没有假设地刷，是被动消费；带着假设去查，是主动办案。 侦探不会把全城的人都调查一遍，他先有嫌疑人（假设），再去找指纹（证据）。

另一个反直觉的建议：休息时间去打游戏、下棋，别"顺便看点资讯"——让消遣归消遣、挖掘归挖掘，大脑反而清晰。

为什么直接看到的信息没用

你在小红书上直接看到的内容，是别人想让你看到的——那是发布者的目的，不是你的答案。真正值钱的是绕到表层背后：他为什么发这条？他靠什么赚钱？他做这个决策的依据是什么？

三步挖掘框架

第一步：明确目的

把你的决策和目的写在纸面上，变成可描述的表达。信息必须加工成"能说出来"的状态才有价值——只在脑子里闪过一下，等于没有。日常刷信息也可以设定长期固定目标（比如"持续观察同行都在做什么选题"）。

第二步：建立假设

研究之前先自己猜，哪怕猜错。假设比目标更具体、驱动力更强——"我怀疑这个账号的销量是刷出来的"比"我想研究一下这个账号"更能让你挖到底。

第三步：带框架去挖（六维度）

不是漫无目的搜索，而是拿着清单填空：

产品能力边界——功能到底能做什么、不能做什么
定价与商业模式——价格、退款政策、合同条款
增长渠道——靠内容、裂变还是合作
目标用户与场景——去评论区、案例、客户名单里找
组织方式——团队规模、志愿者还是外包
风险与边界——退款条件、用户限制等规则

每个维度都有对应信源：定价页、网页历史快照、App Store 更新记录、产品文档、SDK/API；甚至查收款公司名，再去招聘网站搜它的招聘信息，反推团队规模和动向。

初期用表格整理：信息来源｜一句话总结｜结论｜可靠性评估｜新假设。练久了会内化成下意识动作。

验证与闭环

研究完必须验证：用小号发内容测流量、搜同类案例、问现有粉丝。每完成一次小闭环，信息敏感度就强一分——只听懂理论不算会，必须亲自跑一遍。

实战案例一（课程原案例）：拆解一个 AI 知识库产品

目的：判断要不要模仿某大 V 的"AI 产品经理知识库"。
假设：①内容可能是东拼西凑的；②销量可能非自然流量；③用户可能是为颜值而非实用性买单。
验证：从知识库里抽关键词上网搜，看是否原创；查是否有早鸟价、社群冲量活动；读评论区，看买家夸的是"好用"还是"好看"。

实战案例二（生活版）：给孩子选培训班

六维度照样能用：①课程边界——试听课和正式课差多少；②定价——退费规则藏在哪；③增长——靠家长转介绍还是投广告（狂投广告的机构获客成本都在学费里）；④用户——评论区里是真家长还是水军；⑤组织——老师流动率高不高（招聘网站搜它常年招不招老师）；⑥风险——合同里"不满意"如何界定。带着"我怀疑它续费率不高"的假设去问销售，问出来的东西完全不一样。

两个高级技巧

水层高挂法：看到好概念，搜提出者本人并关注其账号；看到好图，层层追溯原始出处——顺藤摸瓜，一次挖出整片瓜田。
历史分析法：别只研究竞品的现在，去看它起步阶段的最早内容、成长轨迹、产品变迁。模仿别人挨打的过程，才能吃到别人吃到的肉。

让 AI 当你的分析师

现代大模型只需要把事情说清楚。提示词示例：

我想研究【某小红书 AI 课账号】是否值得模仿。请你扮演商业分析师：①帮我生成 5 个值得验证的假设；②按"产品/定价/增长/用户/组织/风险"六维度，列出每个维度我该去哪找证据；③设计一个一周内可完成的最小验证动作。

注意：AI 给的维度是参考，要按实际情况调整——它不知道你手里有什么牌。

常见误区

把研究当拖延：挖了三个月不动手。研究的终点是行动，不是报告。
只收集支持自己假设的证据：假设是拿来被推翻的，不是拿来自我感动的。
迷信表层数据：点赞十万的笔记可能是投流投出来的，先问"这个数字是谁想让我看到的"。

15 分钟行动任务

选一个你羡慕的同行账号，写下一个假设（如"他的爆款其实集中在一个选题上"），然后只用 15 分钟按六维度快速过一遍，把发现填进五栏表格。

本章来源

课程笔记：02-信息挖掘能力
六维度框架、水层高挂法、历史分析法为课程原创提法，未找到独立外部出处。
"假设驱动"思路与咨询业的假设驱动方法（hypothesis-driven approach，麦肯锡等常用）相通，属业界通识。

03 · 写作：可以无限复制的时间杠杆

一句话结论（BLUF）：写作有两层价值——文档写作压缩时间（一次写清，免掉无数次重复沟通），营销写作延长时间（一篇好文案能持续带客好几年）。文档的心法是"结论先行"，营销的心法是"造一条滑梯"。写作是终身素养，AI 只能帮你构思，不能替你写。

一个生活类比

烂文档像让读者背着越来越重的书包爬山——信息一路往包里塞，到山顶才告诉他"其实你只需要带一瓶水"。好文档像宜家说明书：翻开第一页就知道最终能装出什么，每一步只解决当下一个问题。而营销文案像游乐场的滑梯：读者一旦坐上去，就应该一滑到底，中途没有任何让他站起来走掉的平台。

一、文档写作：降低认知负荷

核心目标只有一个：别让读者带着一堆"信息缓存"读你的文档。读一段，解决一个问题。检验标准很残酷：一个月后你自己打开这份文档，如果看不懂，它就是失败的。

BLUF 原则：结论先行

BLUF（Bottom Line Up Front，"底线放最前"）源自美军的公文写作惯例——军情紧急，指挥官没时间读铺垫。写法：先给结论和行动建议，让读者不用推理、不用记忆，扫一眼就知道这份文档要干什么。你现在读的每一章开头那句"一句话结论"，就是 BLUF 的现场示范。

文档四件套结构

Meta（基本元素）：给谁看、什么时候更新的、当前状态——让读者三秒判断时效性和适用性。
TL;DR（太长不看）：一句话结论＋关键行动。
Context（背景）:前提条件、上次沟通到哪了、为什么做这件事。这部分对 AI 也同样重要——喂给 AI 时它能立刻进入状况。
细节内容：用金字塔原理组织——结论先行，下面挂支撑论据，层层展开。（金字塔原理出自麦肯锡第一位女性咨询顾问 Barbara Minto 的《金字塔原理》(The Pyramid Principle)，1970 年代成书，是结构化写作的经典。）

行动导向

任何文档必须有"下一步动作"。传递信息永远要落到"我希望你帮我做什么"——发简历给别人看，要说清是要"判断能力"还是"给修改建议"。只同步、不引导的文档是半成品。

二、营销写作：说服的算法

写作本质是一种算法，用来改变人的认知、动机和想法。文档写作呈现信息，营销写作必须带着改变他人的动机。顺带一个自查标准：如果你写不清楚，说明你脑子里的逻辑本来就是乱的——烂文档是熵增，既消耗自己也消耗读者。

滑梯理论

第一句话的唯一目的，是让人读第二句话；第二句话的唯一目的，是让人读第三句话。要设计一条滑梯，让读者上了车就一滑到底，直到点关注或下单。没有自然钩子时，可以直接明示"文末有福利"。（出处：传奇文案人 Joseph Sugarman《文案训练手册》(The Adweek Copywriting Handbook) 第 8 章"滑梯效应"，其公理 6 原话即"读者应该像从滑梯上滑下来一样停不下来"。来源：Upgrow 解读、原书）

痛点三段式框架

标题与开头：制造信息缺口引发好奇；描述糟糕的现状建立共情——不需要所有人都痛，只要目标用户心里"咯噔"一下。
痛点放大：告诉他继续这样下去会怎样。害怕变坏比希望变好驱动力更强。
提供方案：疼了之后再递药——怎么解决、去哪买、多久见效，给出具体路径和确定性承诺。

（这个结构在业界通称 PAS 框架：Problem–Agitate–Solve，与课程讲法一致。）

课程自己的招生文案就是活案例：痛点——做一人公司最怕陷进无止境的沟通解释，每天都在做客服；后果——没时间做营销，进入负面螺旋；方案——建立文档体系，20 分钟学会，把原本要 2–20 小时的沟通彻底解放。

三、AI 辅助写作的正确姿势

能给 AI 的：

一屏摘要：把长文档压缩成一屏，包含结论、推荐/不推荐、关键证据、风险与反对意见、下一步行动。
构思要点：让 AI 只出核心写作要点和结构建议。构思提示词框架（课程原版）：开篇场景描绘→焦虑外化→建立情感链接→展示战绩→消除疑虑→提供解脱路径→行动召唤。

不能给 AI 的：完整成文。写作是基本素养，是能吃一辈子的能力——外包了它，等于外包了你的思考。

实践案例：把一条 3 分钟微信语音改成 BLUF 文档

原始语音："王哥我跟你说，上次那个活动吧，效果还行，就是物料到晚了，然后场地那边说下次要提前一周订，还有就是预算超了大概两千块，我想着下回咱们是不是……"

改写：

TL;DR：活动整体达标，但暴露 3 个流程问题，需要你拍板下次是否提前两周启动筹备。背景：6 月 28 日线下活动复盘，到场 87 人（目标 80）。 问题与建议：①物料迟到 2 天 → 下次提前 10 天下单；②场地需提前一周预订 → 建议签季度框架协议；③超预算 2000 元（物料加急费）→ ①解决后自动消失。 需要你做的：回复"同意"或提出修改，本周五前定。

对方 30 秒读完，一次回复解决——这就是"压缩时间"的意思。

常见误区

让 AI 代写全文再"改改"：改出来的永远是 AI 的平均水平文章，而你的写作肌肉在退化。
把铺垫当尊重："为了让您更好地理解，我先介绍一下背景……"——读者要的是结论，不是导游词。
只写"发生了什么"，不写"所以你要做什么"。

15 分钟行动任务

翻出你最近发过的一条超过 200 字的微信/邮件，用"TL;DR＋背景＋建议＋需要你做的"四件套重写一遍，对比字数和清晰度。

本章来源

课程笔记：03-文档写作能力
外部补充：Barbara Minto《金字塔原理》；Joseph Sugarman《The Adweek Copywriting Handbook》（滑梯理论出处）；BLUF 为美军公文写作通行惯例（军种写作手册均有收录）；PAS 框架为直复营销业界通用提法。

04 · 设计审美：不丑，是有公式的

一句话结论（BLUF）：审美看似艺术，实际可以标准化。记住四条硬规则就能做出"不丑"的东西：形状统一、颜色不超过三种且在 HSL 安全区内取色、遵守四大设计原则（对比/重复/对齐/亲密性）、动线从左到右从上到下。

一个生活类比

穿搭老手都懂一条铁律：全身颜色不超过三种。上身花衬衫、下身格子裤、脚踩荧光鞋，单看每件都不差，凑一起就是灾难——设计也一样，元素本身没错，错在"混"。再比如收拾房间：牙刷牙膏放一起、袜子和袜子放一起，这就是设计里的"亲密性"——用距离表达关系。

视觉三要素

视觉由三部分组成：形状（圆、方、点、线）、布局（位置、大小、对齐）、颜色。

形状必须统一：一个画面里别混用圆角卡片＋直角方块＋斜切边——观众说不出哪里不对，就是浑身难受。
布局要平衡：颜色越浓的地方视觉越"重"，重量分布不均画面就会"倾斜"；重心靠内不靠外。
动线从左到右、从上到下，别让眼睛走回头路。

颜色：HSL 是给普通人的调色器

颜色有三种表达方式：RGB（红绿蓝三原色）、HEX（16 进制码）、HSL（色相/饱和度/明度）——最后这个最适合人类调色：

色相 Hue：0–359 度的色环，决定"是什么颜色"
饱和度 Saturation：颜色的浓度，0–100%
明度 Lightness：加白的程度，0–100%

安全区（课程经验值）：饱和度 25%–75%、明度 25%–70%，在这个范围里取色基本不会难看。

配色方案（源自标准色彩理论的色环关系）：

两种颜色：互补色——色环上相差 180 度（如 30 度配 210 度）
三种颜色：三角配色——相差 120 度（如 30/150/270 度）
黑白灰不计入颜色数；颜色越少越高级，饱和度和明度越低越耐看；高明度颜色避免与纯黑混用

四大设计原则

出自 Robin Williams（设计作家，非好莱坞演员）的经典入门书《写给大家看的设计书》(The Non-Designer's Design Book)，四原则常被缩写为 CRAP：

对比 Contrast：相似会打架，要不一样就彻底不一样。字体要粗就用 Heavy 配 Light，别用 Bold 配 Normal——差一点点最难受。
重复 Repetition：用重复声明一致性。所有标题一个样式、所有正文一个样式，开头结尾同款式，读者自然形成阅读习惯。
对齐 Alignment：每个元素的摆放都要有理由。要么全部左对齐，要么全部居中，别混。
亲密性 Proximity：相关元素靠近，无关元素离远，且间距差要明显——间距差不多＝关系不明＝冲突。

AI 时代怎么用这一章

审美规则化之后，恰好是 AI 最擅长执行的。你的任务是懂规则、做验收，生成交给 AI：

请为我的【手冲咖啡工作室】设计一套品牌配色：使用 HSL 色彩空间，主色一个、辅色一个（与主色互补，色相相差约 180 度）、中性色一个；所有颜色饱和度限制在 25%–75%、明度 25%–70%；输出 HEX 色值＋适用场景（背景/标题/按钮）。

拿到结果后，用四原则验收 AI 做的海报或网页：形状统一吗？对齐方式只有一种吗？相关信息挨在一起了吗？

实践案例：抢救一页 PPT

一页典型的"甲方审美"PPT：五种颜色、三种字体、标题居中正文左对齐、logo 斜着放。按规则修：

颜色砍到主色＋强调色＋灰（三种以内）；
字体统一为一种，只用粗细区分层级（Heavy 标题/Light 正文）；
全部左对齐；
相关的图和说明文字挪到一起，模块之间空距拉大到模块内空距的 2 倍以上。

改完不一定惊艳，但一定不丑——"不丑"就是超级个体的及格线，因为你的读者从不给第二次第一印象。

常见误区

追求惊艳：小白的目标是"不丑"，不是拿设计奖。规则保你 80 分，剩下 20 分交给天赋和岁月。
颜色越多越丰富：恰恰相反，颜色数量是审美的第一杀手。
"差不多就行"的间距：亲密性原则里，间距"差不多"就是"完全不行"——差异要一眼可辨。

15 分钟行动任务

打开你最近做的一页 PPT 或一张海报，按四原则逐条打分（每条 25 分），把最低分那条修掉。

本章来源

课程笔记：04-设计审美能力
外部补充：Robin Williams《写给大家看的设计书》（CRAP 四原则原始出处）；互补色/三角配色为标准色彩理论；HSL 安全区间（饱和度 25%–75%、明度 25%–70%）为课程给出的经验值，非学术标准。

05 · 数据分析：用数据说话，不拍脑门

一句话结论（BLUF）：数据分析不是数学，是一种思维方式——提出假设→看数据→找原因。掌握一个框架（5W）、三个层次（单变量/双变量/多变量）、四种方法（对比/趋势/交叉/漏斗），剩下的计算交给带代码执行能力的 AI。

一个生活类比

数据分析最好的入门教材是体检报告：

只看"血压 145"这一个指标——单变量分析（发现异常点）；
医生问"最近是不是熬夜多"，把睡眠和血压放一起看——双变量分析（找关联）；
血压高→查饮食→查运动→查家族史，层层排除——多变量分析（抽丝剥茧找根因）。

而漏斗分析就是相亲流程：介绍了 20 个→加微信 10 个→见面 3 个→成 1 个。哪一环流失最多，问题就出在哪一环。

数据的本质

互联网上一切内容都是数据——数字、文字、图片皆是。Excel 表是最典型的结构化数据：列是字段，行是数值。数据分析的本质，就是在横纵字段之间找规律和关系。 一个好的分析问题就是一个故事（增长过程）或一个事故（异常情况）。

5W 框架：任何数据问题都由五个元素组成

（5W 的源头是新闻学的"五个 W"要素——who/when/where/what/why，可追溯至 19 世纪末新闻写作传统与吉卜林的著名短诗；课程将其改造成了数据分析的维度清单。）

Who（对象）：用户、粉丝、顾客、商品、内容……任何可分析的实体。
When（时间）：时间点、时长（视频看了多久）、频率（一天来三次还是三天来一次）、周期。时间是最重要的维度，因为人被困在时间里。
Where（位置）：渠道（从哪来）、停留位置（卡在哪页）、传播路径。
What（做了什么）：描述现状，发现已发生的事故。
Why（为什么）：找原因、预测走向。数据分析的两大目标就是——知道发生了什么，知道为什么发生。

分析流程：假设驱动

核心驱动力是猜——提出假设 → 处理数据 → 可视化看趋势 → 得出结论 → 猜错了就换个假设再来。好奇心和主动猜测比任何工具都重要。

三个层次 × 四种方法

三个层次：

单变量：只看一个指标（销售额、点击率），找最值和异常点；常用平均值、中位数、众数，配直方图/箱形图看分布。
双变量：看两个变量的关联（广告投入 vs 销售额；会员等级 vs 购买品类），目的是通过改变一个去影响另一个。
多变量：两个不够就展开更多维度——销售额降了→按地区拆→华北在降→再按产品类别拆→找到根因。

四种方法：

对比分析：横向（A 部门 vs B 部门）、纵向（本月 vs 上月）、目标（实际 vs 计划）。
趋势分析：在时间轴上看变化——"粉丝总量在涨，但增速在降"就是典型的趋势洞察。
交叉分析：多维度筛选，一层层缩小范围，锁定特定人群。
漏斗分析：500 万曝光→100 万播放，那 400 万去哪了？封面不行？推错人了？逐层排查。

AI 辅助数据分析（2026-07 核实版）

AI 能帮你找切入口、推荐分析方法、发现变量间的潜在模式。但有一个关键操作常识：

不要把大型 Excel 直接丢给纯对话模型（会超出上下文窗口，模型会"崩溃"或胡编）。要用带代码执行能力的工具——它们会写 Python 脚本逐步读取表格，而不是硬啃。判断标准：运行时出现"我写了一个程序/正在运行代码"之类提示的，就是靠谱的。

截至 2026 年 7 月，豆包、智谱清言、腾讯元宝、ChatGPT 等均支持上传 Excel 并用代码沙盒做分析出图（来源：2026 国内 AI 工具对比、智谱清言代码沙盒分析 Excel）。各家能力迭代很快，用前以官方说明为准。

提示词示例：

附件是我小红书账号过去 8 周的数据（发布日期、选题类型、曝光、点击、涨粉）。请：①用趋势分析看涨粉增速变化；②用交叉分析找出"选题类型 × 发布时间"表现最好的组合；③指出一个我可能没注意到的异常点，并给出两个可验证的假设。请用代码逐步处理，不要凭印象回答。

实践案例：家庭版数据分析

导出 3 个月的支付账单：单变量——哪个类目花得最多？趋势——外卖支出是不是逐月上涨？交叉——"周末 × 娱乐"是不是重灾区？漏斗不适用，但对比可以：本季度 vs 上季度。十五分钟就能得到一个比"感觉最近花钱有点多"靠谱一百倍的结论。一人公司所有决策都在自己，必须用数据支撑，而不是拍脑门——家庭财务同理。

常见误区

把相关当因果：冰淇淋销量和溺水人数同涨，不是冰淇淋害人，是夏天到了。（统计学通识：correlation ≠ causation，课程笔记未展开，属补充提醒。）
死记方法：方法是拿来用的，不是拿来背的——通过练习让数据思维变成本能。
先有结论再找数据：那叫辩护，不叫分析。

15 分钟行动任务

把你手头任何一份表格（账单、粉丝数据、销售记录）丢给一个带代码执行的 AI 工具，用上面的提示词模板跑一遍，验证它是否出现"写程序"的提示。

本章来源

课程笔记：05-数据分析能力
外部补充：2026 国内 AI 大模型横评；智谱清言代码沙盒；5W 要素源自新闻学传统；"相关≠因果"为统计学通识。

06 · 公开表达：写作的口语版

一句话结论（BLUF）：公开表达＝结构（先说结论）× 故事（让人记住）× 练习（让 AI 当你的陪练）。它是写作能力的口语孪生兄弟，也是超级个体录课、直播、谈合作的放大器。

一个生活类比

你想说服家人支持你辞职创业。失败版：从大学志向讲起，二十分钟后家人只记住了"工资没了"。成功版：先说结论——"我决定辞职做自己的工作室，已经存好 18 个月的生活费"；再给理由——副业收入已连续 6 个月超过工资；再讲一个具体的事——上个月一个客户主动转介绍了三单；最后回到结论——"所以风险可控，我想要你们的支持"。同样的信息，第二种别人听得进去。这就是结构的力量。

为什么超级个体必须练这个

课程总览把公开表达列为七大能力之一，定位是"入课录制的基础"——对一人公司来说，录课、直播、路演、谈合作，全是公开表达的变体。写作把你的思想复制给读者，公开表达把你本人复制到无数个屏幕里，杠杆效应同源（参见白皮书-03-写作能力的时间杠杆）。

核心方法一：PREP 结构

最容易上手的口语结构（业界通用框架，最初提出者已不可考——待补充）：

P（Point）观点：先亮结论
R（Reason）理由：为什么
E（Example）例子：讲一个具体的事
P（Point）重申观点：绕回来收尾

适用于即兴发言、工作汇报、面试、3 分钟自我介绍。它其实就是口语版的 BLUF＋金字塔原理——结论先行，论据支撑（参见白皮书-03-写作能力）。

核心方法二：一条主线（Throughline）

TED 掌门人 Chris Anderson 在《演讲的力量》(TED Talks: The Official TED Guide to Public Speaking, 2016) 中反复强调：一场好演讲只做一件事——把一个值得给出去的思想，种进听众脑子里。全程要有一条贯穿线（throughline），所有故事、数据、笑点都挂在这条线上。判断标准：如果听众离场后只能复述一句话，你希望是哪句？先把这句写出来，再写稿。

核心方法三：三诉求——逻辑之外还有两张牌

亚里士多德在《修辞学》里把说服拆成三种诉求，两千多年仍然是公开表达的底层框架：

Logos（逻辑）：论据和数据——PREP 管的就是这个
Ethos（信誉）：你凭什么讲——开场 30 秒建立"我做过/我经历过"
Pathos（情感）：让人有感觉——故事和细节，而非形容词堆砌

小白最常见的失衡是只堆 Logos：全程摆数据，没人记得住。人靠故事记忆，靠逻辑说服自己"记住它是对的"。

口语和书面的三个不同

听众不能回看，所以重要的话要说三遍：预告（"我要讲三点"）→ 讲 → 总结（"回顾一下这三点"）。书面里这是啰嗦，口语里这是体贴。
要路标句："第一……""说完了问题，接下来说方案"——听众迷路了不会翻目录，只能靠你举牌子。
短句优先：书面长句在口语里等于窒息。一口气说不完的句子，拆。

AI 时代的练法：把 AI 变成演讲教练

公开表达是基本素养，AI 不能替你上台，但可以当全天候陪练：

逐字稿打磨：

这是我下周分享的逐字稿。请扮演演讲教练：①找出没有挂在主线上的段落；②把超过 25 字的长句拆短；③在每个章节转换处帮我加路标句；④指出哪里该讲一个具体故事而不是抽象论述。

模拟刁钻听众：

请扮演一位挑剔的听众，针对我刚才的观点连续提出 5 个最尖锐的问题，一次一个，等我回答后再追问。最后点评我哪个回答最弱。

录音复盘：把自己的录音转文字后丢给 AI，让它统计口头禅频率、平均句长，以及"结论出现在第几分钟"。

实践案例：3 分钟自我介绍（PREP 版）

P：我帮一人公司老板用 AI 省掉 80% 的重复沟通。
R：因为我自己踩过坑——做咨询的头两年，我每天 4 小时在重复回答同样的问题。
E：去年我给一个卖课的客户搭了一套文档体系，她的售前答疑时间从每周 15 小时降到 3 小时，多出来的时间做了 2 场直播，当月营收涨了 40%。
P：所以如果你也被重复沟通淹没，我可以帮你把时间抢回来。

常见误区

背稿：背的稿子一忘全忘。记结构和故事，别记句子。
信息塞太满：一次讲透一个观点，胜过蜻蜓点水十个。
把紧张当敌人：适度紧张提升表现；练习的目的不是消灭紧张，是让结构熟到紧张时也能自动导航。

15 分钟行动任务

选一个你最近的观点（比如"短视频该戒了"），用 PREP 结构对着手机录 1 分钟，回听一遍，检查：结论是不是第一句？有没有具体例子？

本章来源

无课程笔记，本章为 AI 依公开资料补写。框架定位依据：00-AI时代的超级个体能力中对"公开表达"的一句话定义。
外部补充：Chris Anderson《演讲的力量》(TED Talks, 2016)；亚里士多德《修辞学》三诉求；PREP 框架（业界通用，中文解读示例，原始出处不可考——待补充）。

07 · 自主学习：让大脑当 CPU，别当硬盘

一句话结论（BLUF）：自学是一种意愿和认知，不只是技能。核心策略是 Just-in-time（需要时才学）＋最小可行性知识（学到能指挥 AI 干活的程度就停）；三步流程：先要知识地图，再学行业黑话，然后边干边学。它是敢于"日抛"其他技能的前提。

一个生活类比

自由行到一个陌生城市，聪明的玩法是：先打开地图 App 看全貌（知识地图），学几句当地话——"多少钱""怎么走"（行业黑话），然后边逛边查（边干边学）。没有人会先把《城市百科全书》背完再出门。Just-in-case（万一用得上，先学了再说）是学校的逻辑；Just-in-time（用的时候现学）才是 AI 时代的逻辑——因为你身边随时站着一个什么都懂一点的向导。

核心心法：大脑是 CPU，不是硬盘

关键在于知道如何找答案，而不是记住答案。让大脑专注于加工信息，存储交给外部（AI、知识库）。配套概念是最小可行性知识（MVK）：学习的目标不是掌握完整知识体系，而是——

能清晰表达需求、下达指令（写得出提示词）；
能看懂 AI 的输出、判断对错；
发现不够用了，再学下一块最小知识。

用多少学多少，解决完就放下，不背历史包袱——课程称之为"认知下载"。（注：MVK 是从"最小可行产品 MVP"衍生的社区用语，非学术术语。）

自学三步流程

第一步：建立知识地图

进入陌生领域，别急着扎进碎片教程，先让 AI 给你全局视野——像打游戏先开地图，再决定往哪走。课程原版提示词：

我是新手，请用给忙碌创业者做简报的方式告诉我【某技能】的鸟瞰图：第一，它能解决什么问题；第二，如果我只打算学到能指挥生成式 AI 帮我干活的程度，需要掌握哪五个关键概念？每个概念给我解释＋具体例子＋使用场景＋三个常见误解和坑。

第二步：学会行业黑话

问 AI："这个问题，行内人会怎么表述？"术语是高度压缩的知识，掌握术语等于拿到行业的门禁卡——而且用专业表达提问，AI 的产出质量会明显更高（呼应白皮书-00-总览的"师夷长技以制夷"）。

第三步：边干边学

在解决真实问题的过程中学，不为学而学。问题解决了，知识可以扔——反正下次要用时，AI 还在。

拥抱报错：遇到不懂的要"偷着乐"

报错和看不懂的新词，暴露的是你知识体系里的未知领域——那是成长的入口，不是挫败的证据。实用技巧：AI 输出里蹦出新词时，复制到一个新对话里去问，别在当前对话里追问，避免污染当前任务的上下文。

好奇心：可以训练的引擎

用乔哈里视窗（Johari Window，心理学家 Joseph Luft 和 Harrington Ingham 于 1955 年提出的自我认知模型）来看人机协作，最大的金矿是**"我不知道、但 AI 知道"**的区域——而唯一的挖掘工具就是好奇心。好奇心不是天赋，是习惯，训练方法：

三秒三问：当某个内容吸引你的注意力超过三秒，停下来问：

这个东西解决什么问题？
和我现在做的事有什么关联？
如果让 AI 做类似的事，我该怎么描述？

然后立刻动手：发朋友圈、写笔记、让 AI 给出行动建议——不动手的好奇心只是刷了个新鲜。

技能迁移：用旧地图走新路

已经会 A 技能，学 B 技能时让 AI 建对照表。课程原版提示词：

我比较擅长【熟悉领域】，现在要快速入门【新领域】。请用类比方式教我：给我一张对照表——【新领域概念】相当于【熟悉领域概念】；我在熟悉领域注重 X，在新领域应该对应注重什么？

知识串联比散落更容易记住，会像滚雪球一样越滚越快。

实践案例：零基础一晚学会数据透视表

小杨是开淘宝店的，完全不懂 Excel 高级功能，但月底要按"类目 × 地区"汇总销售：

地图：问 AI"Excel 里按两个维度汇总数据，行内叫什么、有哪几种做法？"——知道了"数据透视表"这个词（黑话到手）。
MVK：接着问"我只要会做二维汇总就行，最少要懂哪三个概念？"——行字段、列字段、值字段，十分钟懂了。
边干边学：对着自己的真实表格操作，卡在"日期怎么按月分组"，把报错截图丢给 AI，两分钟解决。

全程没看一节网课。下个月忘了？没关系，再问一次只要五分钟——这就是"用完就扔"的底气。

常见误区

囤课：买了二十门课等于学了？那是 Just-in-case 的旧脑子在作祟。没有真实问题牵引的学习，留存率低得惊人。
追求"系统学完再上手"：地图看全貌用的，不是让你把每条街都走一遍再出发。
把 AI 的答案直接当真理：MVK 的第二条就是"能判断对错"——验收能力不能省（参见概念-证据模式）。

15 分钟行动任务

想一个你"一直想学但没学"的技能，把上面"知识地图"提示词填空后发给 AI，只做一件事：把它给出的五个关键概念抄进笔记——你的地图已经开了。

本章来源

课程笔记：06-自主学习能力
外部补充：乔哈里视窗（Joseph Luft & Harrington Ingham, 1955，心理学通识）；Just-in-time 学习源自丰田 JIT 生产理念在学习领域的借用（业界通用提法）；MVK 为社区用语。