最近做新课的时候，纠结了好几天要不要加几节基础认知类课程。
核心的纠结点在于：当我教你使用某个工具时，需不需要讲一些关于工具本身的内容。
视角转到学习的人身上，那问题就是：当我们在学习时，我们具体在学什么？
为了解决这个问题，我翻腾了好几相关的书，甚至把“学习”的结果专门录成了一节先导课。
下面是学习结果的文字稿，分享给大家。
四象限
使用你自己知道<—>不知道和对你的生活工作没影响<—>有影响，可以把我们生活中的万事万物划分到下面这个坐标空间里：
- 区域一：你知道它们的存在，它们对你的工作生活没有影响，意味着这个区域属于你的「能力」范围；
- 区域二：你知道它们的存在，它们对你的生活工作有影响，意味着你的能力无法处理它们，这是你的「问题」范围；
- 区域三：它们对你的工作生活产生了影响，但是你不知道，这是你的「成见」区域；
- 区域四：它们对你的工作生活没影响，你也不知道它们的存在，这是你的「盲区」
我们提升、学习、努力提高，最终目的都是扩大自己的能力范围。
提升能力
有两种方式可以扩大能力范围。
已解决已知问题为导向，学习技能，能力空间自然而然就大了。
这是最直观的一条路，因为问题是一直在影响你的工作生活的，只要你想，就有的是资料、课程帮你提高。
在此基础上，如果再提升一些认知，那么“能力范围”就能更进一步扩大了。
从图中我们可以看到，提升认知带来的“能力范围”增加效果是非常显著的，因为当你认知提升的时候，盲区也跟着被压缩了。
这时候第二条路就出来了：先提升认知，再提高技能。
这两条路径看起来结果是一样的，但其实有一个 BUG：“成见”对你产生的影响，是你不知道的。
这就意味着，有时候你学习了某项技能，看起来解决了一些问题，但它同时在其他方面在悄悄影响你。
或者，你以为你学会了某项技能、解决了某个问题，实际上并没有。
所以，实际上第一条“先学习技能，再提升认知”的路，其实是这样的。
最典型的就是今天大家正在“学习”的 AI 这项技术。
AI成见
看看这个场景：
一个新手运营，拿了别人一个“爆款短视频脚本提示词/智能体”，直接生成了一段脚本，就去录制、发布了。
真正做过运营的“老油条”，肯定不会这样，因为他知道 AI 直接生成的脚本里全是坑。
但是新手运营不知道这些，看到那些华丽的脚本，只有满心欢喜……
这个场景还好，大不了发出去没流量。
下一个真实的案例：
有一个硕士毕业生，与 DeepSeek 深度沟通后，觉得自己的论文综述和研究方向都有问题，于是跟着 DeepSeek 给出的答案对自己的论文进行了大幅修改。
临交稿前，随手查了一下 DeepSeek 给的引文，发现全是假的，但初始稿件早就删掉了……
能捅出真大篓子，人有责任，但主要还是在 AI。
因为 AI 太强了。
强到，直接把人拉到“成见区”，就像抽烟一样：一口成瘾，完全不觉得有啥“问题”。
所以“贸然学习 AI 技能”，可能会带来一些“问题”，但这些问题大概率发生在你不知道的地方。
AI 本质上是一个“字符生成器”，只要控制好它输出的“源头”，也就是我们常说的“上下文”，结果基本都能可控。
难的就是这个“上下文”的控制。
在捋顺了关于“学习”和“提升”的思路后，我重构了原本想直接教大家用 AI 提效的课程内容，改成了这套“控制源头”的基本素养课。
AI 素养
基本素养是指，不受领域限制，在任何场景、行业下，只要你想用、能用 AI，就可以高质量的使用 AI 的能力。
一共 15 节小课，每节课都很短，包含两个部分：
- 认知建立，也就是开地图。用 5 节课先把“盲区”和“成见”压缩，包括AI是如何工作的、与 AI 的关系、提问为何重要、AI 的能力范围和常见的使用误区；
- 技能提升，可以快速提升“上下文”构造能力的 10 个小技巧，包括使用模式、提升提问的完整性、提升提问的条理性、提升提问的专业性、从反馈中澄清提问、完成自己说不清的任务、约束输出的颗粒度和约束输出的真实性，以及两个快速完善提问的框架和方法
每一堂课，基本都以场景实例开始，然后给出一个可直接复用的技巧，学完立刻就能体验到提升。
如果你希望用好 AI，或者在使用 AI 的过程中，隐隐约约感觉到有些问题。
这套小课，会很适合你。
除了课程，我还把已经持续更新 8 个月的《AI 大事件周刊》也放进课程了。
了解技术进展、找到合适的工具、看到领先的项目在如何使用 AI，也是基本素养的一部分。
每周一更新的周刊都会包含三个部分：
- 过去一周 AI 领域值得关注的行业事件；
- 热门的 AI 应用和产品推荐；
- 热门的开源项目拆解，从顶级的工程级提示词中学习表达。
只要 AI 的底层技术不变，这套内容就一直有效。
