最小可用框架 2.0
【行动揭秘版】

炼金术士说：世界上只有一种方法可以学会——就是行动。
最小框架，是让你立刻能行动的地图。

今天是一期揭秘，什么是最小可用框架，如何让我们直接开始行动？为什么说，从一个粗糙的认知开始，就是最好的开始？

SECTION 01从一个粗糙开始

看看上一课的今日行动。第一步：写下一个你想了解的主题，感兴趣就好。是不是这里就卡住了？

内心 OS：感兴趣？我对什么感兴趣呢？我好像没有特别感兴趣的？一定要特别感兴趣吗？一定要基于最大的困惑吗？然后就在第一步反复想反复想，最后阻碍了下一步的行动。

所以这里我加了一句：最多 10 分钟去确定自己的主题，不用想的很复杂。

常常阻碍我们行动的都是：想的太多。

比如我的 AI 基于 WTL#06 的今日行动，给我出了一个题目：葡萄酒品鉴。我是完全不晓得这是啥啊。下面是这个案例的分析，我是如何一步一步借用 AI，辅助我开始行动、写作和学习的。

SECTION 02案例分析 · 我如何行动？

1、第一步：先写出我的想法，无论多幼稚（给一个初始值）

我会先随便写点自己的想法，然后可以借用 WWHW 框架，帮助我多角度看问题。

最多给你 5 分钟。

2、第二步：把我的目标发给 AI（设定目标）

我希望达到/获得：

• 最短时间，了解少数核心概念。
• 利用 WWHW 框架去理解
• 给我提供很重要但容易被我忽视的认知
• 认知之间的关联
• 做类比，帮助理解

3、第三步：把第一、第二步的内容一起发给 AI

我可否用 20% 的时间去快速了解【葡萄酒品鉴】80% 最重要的少数核心概念？利用 WWHW 框架去梳理，让我能够超过行业内 90% 的葡萄酒品鉴专业对其的了解；

给我几个在这个领域很重要，且容易被人们/我忽略的认知，以及你给我的不同认知之间有什么关联。我不会的内容我希望 AI 可以给我做类比，帮助我理解。

我目前的想法是：
why ？——（自己填写）
what ？——（自己填写）
how ？——（自己填写）
what if ？——（自己填写）

4、第四步：基于 AI 给的答案，挑选自己感兴趣的，继续挖 ⛏️

可以基于内容继续问我好奇的部分，和我联想到的部分，引用相关的内容，继续对话。比如：

我的提问："80% 来自鼻子，不是舌头。鼻子就是主角，嘴是配角。"这有意思——这里竟然也有 28 定律，真的是到处都存在。而且让我想到了一个视频里主角是 BGM，当时我知道一个视频主角是 BGM 的时候，和我今天知道味觉中鼻子是主角一样震撼。怪不得喝药的时候，捏着鼻子，就喝不出那么苦。

提问基本上就是自由书写，没有什么技巧，快速调用自己目前能想到的东西。最好的技巧就是把 AI 当一个人，和你对话交流的一个人，你们相互保持好奇，平等的对话，对彼此的内容有敏锐度。

接着就是 1、2 步循环（不断基于 AI 的回复，给出我当下的认知），直到我可以梳理出基本的 WWHW 框架的文章介绍，不是宽泛的介绍，而是直击要害的。

一篇文章，基本上可以梳理出来了。比如标题可以是："成为葡萄酒品鉴师：鼻子就是主角，嘴是配角。"（一个反差的认知）

SECTION 03核心原理：贝叶斯定理

为什么从一个粗糙的开始，是唯一正确解。核心原理是贝叶斯定理。

贝叶斯定理：通过新的证据，修订之前的假说。贝叶斯是递归结构：

先验就是你在看到任何证据之前，已经相信的东西。最直白的说法：你对一件事的第一直觉，你在没有调查之前脑子里已经有的那个答案。

• 葡萄酒品鉴——"好像很高级，要一杯杯打分"。这是你的先验。
• 商业——"总觉得是在骗钱，商人铜臭味"。这是你的先验。
• 写作——"等我读的足够多再发表"。这是你的先验。

先验从你过去所有的经历、被灌输的观念、没有被质疑过的假设中来。大多数先验你意识不到它的存在——它只是"理所当然"。

为什么先验重要？因为它决定了你如何解读新证据。

同样一篇文章发出去阅读量 100：

证据相同，先验不同，结论完全不同。

看似同样的先验"写得不够好"，还可能得出完全不同的结论：

• "写得不够好" → "所以要练" —— 底层相信努力有用
• "写得不够好" → "所以别发了" —— 底层相信自己不是那块料

这才是真正需要显形的东西。所以写出先验只是第一步，第二步是问：

我为什么会这么想？这个想法从哪里来？

这一问，才能挖到真正在掌控你的那个先验。你是如何想事情的，这个才重要。

用经济学的边际重新定义"写作的收益"

每多发一篇，受益的不是阅读量，而是你自己对这件事的理解深度。

你是自己的第一个读者，你是第一个受益者。阅读量是 0 也没关系，因为那篇文章已经在你写它的过程中完成了它的使命。

这其实也回应了 Pressfield 说的那句话：专业写作者和业余写作者的区别，不是才华，而是为谁而写。业余写作者为读者的反应而写，所以读者不反应他就停了。专业写作者为作品本身而写，写完那一刻收益就已经落袋了。

Dan Koe 也说过：学习某件事情的最佳方式是公开写关于它的东西，但前提是你要真正关心学习。当你写作时，你被迫将想法组织成文字。当你教别人时，你会感到有义务去深入理解这个主题。

SECTION 04无法被撼动的先验

《影响力》里提到过一个经典案例：那群疯狂的相信世界末日的人，在世界末日并没有如期到来、证据确凿之时，得出的结论竟然是：他们更加相信世界末日了，他们觉得正是因为他们的祷告，而让世界末日没有到来。这说明他们的祷告起效果了。

这叫确认偏误（Confirmation Bias）——先验强到一定程度，会开始扭曲证据的解读方向，让所有证据都变成支持先验的理由。

所以贝叶斯定理有一个使用前提：

你得愿意让证据真正修正你的先验，而不是让先验过滤掉所有不利的证据。

技术上叫"似然比"——新证据到底有多大资格改变你的信念。确认偏误的人把似然比调成了零：任何证据都改变不了我。

SECTION 05最小可用框架，让先验显形

所以最小可用框架做的第一件事，就是让你把先验显形——写出来，哪怕幼稚，哪怕错的。

看不见的先验会悄悄掌控你，写出来的先验才能被修正，AI 才能够针对性的帮助你。

你给它看的东西越真实、越具体，它能反射给你的就越准确。你把先验藏着，AI 只能给你泛泛的建议。你把先验写出来，AI 才能戳到真正的地方。

这也是为什么课程要从自由书写开始——不是为了写得好，是为了让真实的先验浮出水面。

SECTION 06没有终点，只有当前最优解

这就是终身学习者、无限游戏玩家的样子。无限游戏玩家不是天生好奇的人，是养成了自己先走一步的习惯的人。

问问题，无论是问 AI 还是问其他人，最合适的方式就是：你带着你现有对该问题的认知，再去请教对方怎么看。你得先走一步。

如果你什么都不说，直接问"告诉我葡萄酒品鉴最重要的概念"，得到的是一个通用答案。你先写了自己的理解，AI/其他人才知道你的漏洞在哪。

如果没有自己的想法，直接问对方是怎么想的，你得到的不是答案，是对方的先验。你把自己的思考外包出去了，装进来的是别人的框架，不是你自己的。

这是一种思考上的偷懒。我们得走一步，才能进步。或者说，走一步，就是进步本身。

从幼稚的初始认知出发，用 WWHW 提问，用 AI 找漏洞、补缺口、建关联，专门找"被人们忽略的认知"，最后验证能否写出一篇直击要害的文章。

贝叶斯定理：你不需要从零开始，你只需要有一个先验概率——哪怕是瞎猜的——然后用新信息不断修正它。

SECTION 07AI 大模型也是从一个随机数开始迭代的

AI 的核心是大语言模型。模型为什么这么强？训练它的时候，一开始也是设置一个初始值——你知道设置初始值的时候是怎么设的吗？

随机值。没错，就是随便设一个。用电脑的随机数，随便生成的一个。

因为设计它的科学人员知道，初始值根本不决定模型的未来。

但你必须设一个初始值，你必须开始你的打怪旅程，你必须先选一个方向，优化下去。或许会掉入局部最优解，那就多次从一个随机值开始反复训练。这就是迭代。

在了解任何一个领域之前，我们必须从一个粗糙的认知开始。你先随便迈出一步，从一个愚蠢的提问开始。你对一个领域的第一次理解，大概率是局部最优解。没关系，那就再来一次。

每一次重新开始，你对那个领域的理解就深一层。这就是为什么写作要持续写，不是写一篇就够了。慢慢迭代，你就成为了专业人士。

我们明明知道答案，却总跨过答案去寻找其他办法

明明快速写作/快速行动是最容易搞明白自己会在哪里出错；但就是不愿意先写/先做，而是先问 AI/问别人，问的原因恰恰是怕犯错。

可是我们知道犯错才是进步的基石啊，没有犯错哪里来的进步呢？然后可能还要给自己找理由，说这是弯路，弯路也是走路的一部分。

不是啊，犯错才是上路了，可能走了弯路，你这叫根本没上路。

先写，再用 AI。每次一旦我想偷懒，先用 AI，都会在一堆垃圾里跳来跳去，屎上雕花的感觉，根本就不是我的说法风格，我会内心有很大的做事阻力，效率非常低。