AI时代个体思维能力进化-知识显性化表达和输出能力

图片

Hello，大家好，我是人月聊IT。进行继续和大家聊下AI时代个体思维能力的提升，具体的关键点究竟在哪里？

因为最近我用Google Nano Banana做了不少的信息图，很多人私下问我这些图如何画的？为何自己用同样的工具画不出我输出的效果。

基于这个问题，我先做下简单回答。

即对于Nano Banana这个AI工具，其核心是对已有知识的结构化和可视化呈现表达，而不是类似常规的大语言模型一样去进行大量的内容生成。所以投喂给Banana的知识实际包括两个方面的内容：

• 绘制风格：手绘风格，奶油风格，色彩柔和
• 文章素材：我提供的历史结构化文章内容定义和描述

这个内容一方面是绘制风格，即只有上面的12个字。而更加重要的就是下面的文章素材，这个文章素材本身就来源于我个人公众号的历史文章，类似思维，认知，个人知识管理，学习，哲学，数字化等各个方面的文章内容总结。而真正影响AI工具作图的是你提供的文章素材质量究竟如何？

如果你的文章素材本身就内容凌乱，没有基本的结构化逻辑（静态结构逻辑+动态流程逻辑+组件关系逻辑），那么自然AI输出的信息图也同样凌乱，无法抓住文章内容的核心重点。由于你无法提供类似我一样的结构化文章内容，所以自然AI也无法输出结构化的信息图呈现。

当然我也给出了一个变通的绘制信息图的方法。

比如对于你不熟悉的知识领域，你可以先让Google DeepResearch进行深度研究，输出一份8000到1万字的深度研究报告。第2步继续使用AI大模型，不管是Gemini还是Claude，对生成的报告进行归纳整理，形成一份2000字左右的文章。注意在提示语里面特别强调新的文章要体现核心的内在逻辑结构，组件或知识点之间的关联依赖关系，形成一个完整的整体。然后再将这2000字的文章内容投喂给Banana来进行绘图。这样也基本可以输出一个可用的新知识领域的信息图。在这里我把其叫做AI工具自己做知识萃取和蒸馏，形成核心知识逻辑。

但是这样绘制的信息图或文章，有一个关键的问题，即：

你能够按照这个思路做，那么他人也可以按照这个思路做，只需要掌握一套基本的操作步骤和提示词规范即可进行同样的操作，输出同样的内容结果。那么你实际的价值在哪里呢？

而我绘制上面信息图，实际是基于我大量的历史文章，让AI对我们上1000篇的历史公众号文章进行归纳总结，形成一个能够体现内在逻辑的新文章，然后再将这个文章输入给Nano Banana，最终输出一个信息图。这个图的核心经验逻辑来源于我的历史经验，是我个人知识经验的显性化和可视化，你想下别人是没法输出这种融入个人经验的信息图的。

也正是这个原因，也明确提出今天这篇文章的观点，即：

在AI时代个人思维能力的竞争，不是简单的AI大模型，AI工具的竞争，而是个人思维能力的竞争力，而这个思维能力核心又体现在你将你个人知识经验显性化表达的能力。

大部分人工作多年，没有写博客，记录日志的习惯，没有显性化输出的经验，所有的都是隐性经验，这些经验没有通过类似写作方式进行显性化和结构化整理，更加谈不上抽象化为个人的知识体系。简单来说就是由于你的历史经验没法显性化，那么自然很难将你的隐性知识通过AI显性化放大。这才是当前大家用AI最大的问题。因为大家都在用AI大模型，如果没有自己的经验作为输入，那么AI都得出同样的道理，你相对他人没有任何竞争力。

前段时间，我在和我一位公众号粉丝朋友做沟通，他个人期望在AI时代通过AI赋能来提升个人竞争力，感觉各种AI工具都使用了，但是实际上真正的提升效果不明显，自己也很难真正结合自己的工作持续坚持的应用和优化改进。而我给的关键建议就是：如果你原来没有记录输出的习惯，那么首先去将你的历史经验显性化输出和表达出来。

如果你感觉你完全没有什么经验可以输出和表达的，或者你感觉你要表达的内容公司相关的规范流程标准里面都有定义，我没有任何额外的东西要输出表达，更谈不上我有我个人的最佳实践。那么很遗憾的告诉你，到了AI时代你同样没有任何竞争力，你想AI时代知识平权想多了。

真正AI时代竞争力是你个人知识经验的显性化表达和定义能力，这个才是真正个人差异化的优势能力，别人无法复制。

即使我们再回答提示语这个最初话题也是同样的道理，要明白AI大模型，特别是Claude推出了Claude Skills概念后。整个提示语的逻辑已经从简单的需求问题定义提升到了个人知识经验的显性化萃取。

即技能 = 问题定义 + 个人知识经验描述

Skills也是这个思路。方法，工具，技术，知识这些经验都需要你提前定义好，给AI一个更加准确的操作手册，让AI按你的既定轨道运行。

图片

所以Skills实际是隐性经验的极大成者。知识可以解决通用场景问题，但是只有知识+技能才能够更好的解决特定场景下的业务问题。

也正是这个原因，任何好的提示语定义多需要扩展为三方面。

• 需求问题：详细的问题定义，包括背景，场景说明
• 规则约束：规范标准约束，做事步骤约束，分解方法约束
• 最佳实践：历史个人案例参考，模板库，样例库

对于第一个点需求问题，大家在掌握了一定的需求定义描述方法后都可以做。但是真正体现你个人价值的在于规则约束和最佳实践。如果拿AI编程来举例说明，即使是同样的需求，AI输出的质量和代码好坏，往往就在于个人对Claude.md文件的定义上面，或者来源于我提供的历史参考样例代码上面。这个才是你真正的核心价值，将你的历史经验显性化变现。

AI工具还是那个工具，但是对于大部分人来说，连用好AI工具的能力都没有。而是想着如何用AI工具偷懒，如何让AI工具来代替自己思考。可想而知，不上AI本身变成了工具，而是你自己变成了工具人。

包括前面我在知乎看到一个话题，就是AI时代哪些人最容易被AI所替代。这里面就涉及到两个关键点，其一就是你的工作大量都是在电脑前完成，不需要和他人沟通就能够完成的工作，那么要小心；其二就是你的工作没有你个人经验积累发挥作用，更多都是标准化自动化的工作，那么更要小心。

最后记住，AI绝对不会淘汰一个真正独立思考的人。