作品篇：把学会变成做出

“我已经学会了”是一种很舒服的感觉，也是一种很容易被误判的感觉。只要继续阅读、收藏和听讲，我们几乎总能找到熟悉感；真正困难的是关掉材料之后，仍然能够做出一个别人看得见、用得上、可以提出意见的东西。

我在软件公司失败之后才真正理解这一点。我们曾经拥有很多功能、演示和会议，却没有足够可靠的用户价值、数据基础和交付证据。后来重新学习 AI 和技术时，我给自己加了一条门槛：每一轮学习都要留下一个可以被检查的作品。

作品不一定是产品，也可以是一封邮件、一段录音、一份报告、一张流程图、一个小工具、一次演示或一篇有来源的文章。它的共同点是：它把脑中的理解放到了现实面前，允许别人使用、质疑和改进。

• 区分“知道、能做、能交付”，不要让熟悉感冒充能力；
• 用最小作品暴露问题，而不是先准备一个宏大项目；
• 让作品拥有受众、场景、完成标准和版本记录；
• 用 AI 加快拆解、反馈和测试，但保留自己的第一版与关键判断；
• 通过发布、复测和复盘，让作品在时间里形成可信的能力证据。

学习过程中至少有三种状态：

1. 知道：能读懂定义，听过解释，看到答案时觉得熟悉；
2. 能做：在相似条件下独立完成一次任务；
3. 能交付：在真实限制下完成、说明、修订，并让别人能够使用或评价。

从知道到能做，需要主动回忆和重复；从能做到能交付，需要受众、时间、质量标准和责任。很多课程只带你到第一层，真正的职业能力往往在第三层才开始接受现实检验。

每学一个主题，可以问自己：

如果现在不能打开搜索和聊天记录，我能做出什么？谁会看到它？什么结果算完成？

作品不应一开始就大到让你只能继续准备。按可用时间选择尺寸：

先做小作品不是降低标准，而是提前购买反馈。一个两小时内能被看见的问题，比两个月后才发现的方向错误更便宜。

在动手之前写一页，不用把所有细节都想清楚：

# 作品简报 — YYYY-MM-DD

作品名称：
真实场景：
受众/使用者：
要解决的一个问题：

输入材料与来源：
我当前的基线：
关键假设：

最小交付物：
格式与限制：
完成标准：
不做什么：

第一版截止时间：
谁会提供反馈：
需要保留的证据：
失败时如何缩小、暂停或回滚：
下一次复查日期：

“不做什么”与“完成标准”同样重要。它们帮助你抵抗功能膨胀，也让反馈能够落到具体问题上。

第一遍：独立版

先在不看答案、不让 AI 代写的情况下完成。速度可以慢，结果可以粗糙，但必须留下原始版本。没有第一版，就没有能力增长的对照。

第二遍：结构版

检查受众是否知道下一步，信息是否按重要性排列，事实和推测是否分开，失败路径是否被说明。先修结构，再修句子和颜色。

第三遍：反馈版

把作品交给一个真实的人、一个小范围用户，或让 AI 扮演明确的审阅角色。反馈要回答三个问题：哪里有用？哪里造成误解？哪一个改动最值得先做？

第四遍：交付版

根据反馈修订，写清版本、限制、来源和已知问题。让别人能够在没有你口头补充的情况下开始使用，哪怕只能完成一个很小的动作。

AI 可以成为四种助手：

• 拆解者：把目标拆成最小步骤和验收条件；
• 陪练者：生成平行任务，让你在不同场景中重复；
• 审阅者：按照受众、事实、结构、质量和风险提出问题；
• 测试者：制造边界输入、反例和可能失败的路径。

但以下部分最好由你亲自完成：定义问题，选择受众，写下第一版，确认事实，决定删掉什么，以及为最终结果署名。

一个实用的协作顺序是：

1. 自己写简报和第一版；
2. 让 AI 只指出最影响结果的三个问题；
3. 自己修改并保存差异；
4. 让 AI 生成一个平行场景或反例；
5. 关闭 AI，独立完成一次复测；
6. 把来源、反馈、成本和未决问题写回作品记录。

如果 AI 直接交付了最终成品，你可能获得一个漂亮的文件，却失去最重要的训练过程。

不同作品的标准不同，但至少检查五道门：

• 清楚：受众知道它解决什么问题，下一步做什么；
• 准确：事实、引用、代码和数字可以回到来源或测试；
• 可用：在真实限制下能够完成主要动作，而不是只能演示；
• 可维护：别人知道版本、依赖、限制和出现问题时找谁；
• 可负责：敏感数据、隐私、版权和错误后果已经被考虑。

速度、字数和功能数量都只是代理指标。一个更小但可解释、可复查、可修订的作品，通常比一份无法交接的宏大成品更有长期价值。

公开发布不等于把隐私交给所有人。可以按风险选择受众：

• 私人记录：只为自己保留过程和错误；
• 小范围试用：交给三到五位相关的人，记录他们是否能完成任务；
• 公开版本：删除不必要的个人信息，标注来源、限制和版本；
• 正式交付：写清授权、责任、支持范围、成本和退出方式。

发布前问自己：我是否获得了必要授权？是否把第三方信息脱敏？是否会把一个未经证实的个人故事包装成结果证明？诚实的限制不会降低作品价值，反而让反馈更可靠。

1. 第 1 天：从正在学习的主题里选一个真实问题；
2. 第 2 天：写作品简报和无 AI 基线；
3. 第 3 天：完成微型或小型作品的第一版；
4. 第 4 天：让 AI 或同伴指出三个最高价值问题；
5. 第 5 天：自己修订，补齐来源、限制和失败路径；
6. 第 6 天：交给一个真实受众试用或阅读；
7. 第 7 天：记录反馈、决定下一版范围，并保存全部证据。

如果七天只能完成一页、一段录音或一个能运行的最小脚本，也已经完成了一次从学习到交付的闭环。

• 第 1–2 周：完成 4 个微型作品，确认主题和场景；
• 第 3–5 周：完成 2 个小型作品，开始收集真实反馈；
• 第 6–8 周：把一个小型作品扩展成可试用原型，记录成本和失败；
• 第 9–12 周：完成一次公开或正式交付，用盲评、用户反馈或平行任务复测。

每一级都留下原始版、修订版和反馈。作品数量不是目的，能够解释自己如何从问题走到结果，才是能力开始稳定的信号。

你不需要等作品完美才称它为作品。一个合格的阶段成果通常能做到：

• 有明确的受众和使用场景；
• 有一个可观察的完成标准；
• 有独立完成的原始版本；
• 有来自他人、测试或来源的反馈；
• 有版本、限制和下一步；
• 能在不依赖聊天记录的情况下解释关键决定。

当作品允许别人看见、使用和质疑时，学习才真正离开了脑海，进入了世界。

交付证明的是某个条件下的即时表现，不等于能力已经保持或能够迁移。完成作品后，打开证据篇：变化要如何被看见，再安排一次撤掉提示的延迟复测，以及一次换主题、听众或约束的迁移任务。保留原始版、交付版和复测版，才能看见作品是如何离开一次演示、进入真实使用的。

知识会忘，情绪会变，聊天记录也可能消失。作品是另一种记忆：它提醒你曾经面对过什么问题，做过怎样的选择，在哪里犯错，又怎样把错误改成下一步。

我不再把“完成作品”理解成向世界证明自己很厉害。它更像是给未来的自己留一盏灯：当你再次怀疑是否能够开始时，至少有一件真实的东西可以回答——你已经做过一次。