夜雨聆风
昨晚给三个大学生上课。
一个晚上的时间，我一个AI工具都没教。
他们来学AI，但我讲的是另一件事——怎么用框架思维去分析问题、解决问题，以及怎么把你的想法结构化地表达出来。
你可能觉得：这不是跑题了吗？来学AI，你教什么框架思维？
没跑题。这恰恰是学AI最该先搞清楚的事。
· · ·
工具会平权，但人不会
你看，今天每个人都在卷AI工具。谁会用ChatGPT，谁会用Claude，谁会用Cursor，谁又发现了哪个最新的Agent……
但说句大实话：工具这件事，迟早会平权。
今天你觉得某个工具很厉害、很稀缺，半年后它就是标配。今天你觉得某个技能很前沿，一年后它就是基本功。
世界经济论坛2026年1月的报告讲得很直白：AI时代新兴岗位的核心竞争力，恰恰是机器难以复制的人类特质——批判性思维、判断力、创造力。
说白了，工具人人都能拿到，但人跟人之间的差距不会因为工具而缩小。反而会放大。
因为工具只是一个放大器。你脑子里有东西，它能帮你放大；你脑子里没东西，它帮你放大的就是——空。
· · ·
你靠什么赢？
那工具平权之后，你靠什么赢？
靠人。
不是靠工具，是靠人。靠你自己。
靠你的综合素质，靠你对常识的掌握程度，靠你的判断力，靠你的好奇心，靠你的品味。
但这一切——注意，这一切——都有一个前提。
你得有一个扎实的基本功：对事情的基本判断，和分析问题的框架。
不具备这个东西，会出现一个很要命的问题——你连真假都分不清。
AI给你生成一份报告，你看不出它的逻辑漏洞。网上铺天盖地的文章，你分辨不出哪些是真知灼见、哪些是贩卖焦虑。别人给你一个方案，你不知道它到底靠不靠谱。
不是AI不够强，是你自己没有判断的锚点。
· · ·
什么是框架思维？
说白了，框架思维就是：当你面对一个复杂问题时，你不是一头扎进去瞎摸索，而是先搭建一个思考的"骨架"，然后在这个骨架上填充内容。
但光有骨架还不够。昨晚的课，我带他们走了一遍完整的分析链路——从看到问题，到找到根因，到给出方案。每一步都有对应的经典方法论。
下面我一个个讲。
· · ·
第一步：用数据构建整体认知
面对任何问题，第一步不是想答案，而是先搞清楚现状到底是什么。
怎么做？靠数据。
数据分析不是什么高深的技能，它本质就是一件事：让事实说话。你拿到一组数据，先别急着下结论，让数据先把全貌展开给你看。哪里集中、哪里分散、哪里异常、哪里有趋势——这些不是你"觉得"的，是数据告诉你的。
我跟他们说：很多人分析问题之所以不靠谱，就是因为他跳过了这一步。上来就凭感觉、凭经验，得出一个"我觉得"的结论。然后整个分析就跑偏了。
数据分析这一步，给你的是一个基于事实的全局视角。有了这个视角，你后面的每一步才有根基。
· · ·
第二步：鱼骨图——把问题的结构画出来
你知道了现状，接下来要搞清楚：问题是怎么来的？哪些因素在影响？
这时候就要用到鱼骨图。
图2：鱼骨图——把问题的所有可能原因结构化地梳理出来
鱼骨图的用法很简单：把问题放在"鱼头"，然后把所有可能的原因按照大类（人、机、料、法、环、测）分到"鱼骨"上。每一根骨头代表一个大类，每根骨头下面还可以继续细分。
这一步的关键不是找到答案，而是确保你把所有可能的方向都想到了。不要上来就拍脑袋说"我觉得是这个原因"，而是先把所有可能性铺开，一个不漏。
这就是鱼骨图的价值：它逼你系统性地思考，而不是凭直觉猜。
· · ·
第三步：枚举法——锁定主要原因
鱼骨图帮你列出了所有可能的原因。但原因可能有二十个，你不可能每个都去解决。
这时候就要锁定主要的。
怎么锁？枚举法是最朴素的工具之一：把每个原因列出来，逐个评估——它发生的概率有多大？影响程度有多深？是不是反复出现的？有没有数据支撑？
你也可以结合帕累托分析（80/20法则）：通常80%的问题是由20%的原因造成的。你把这20%找出来，集中火力打。
我跟他们讲：很多人解决问题效率低，就是因为他没有做这一步筛选。二十个原因，他每个都花一点力气，最后哪个都没解决到位。聪明人的做法是：先锁定核心，再集中资源攻破。
· · ·
第四步：5Why——逐层剖析到根因
锁定了主要原因之后呢？别急着给方案。因为你看到的"主要原因"，可能只是表面现象。
这时候就要用5Why分析法。
图3：5Why分析法——连问五个"为什么"，直击问题根因
做法很简单：针对你锁定的问题，连续问"为什么"。每问一次，你就往深挖一层。通常问到第四、第五个"为什么"的时候，你才会触到真正的根因。
举个例子。机器停了——为什么？保险丝断了——为什么？超载了——为什么？轴承润滑不够——为什么？油泵没打够油——为什么？油泵轴磨损了。
你看，如果你在第一步"保险丝断了"就停下来，你的解决方案就是换保险丝。但过两天又断了。只有追问到第五层"油泵轴磨损"，你才能从根上解决问题。
这个方法听起来简单得不像话。但你试试就知道，大多数人问到第二个"为什么"就觉得"差不多了"，然后就给出一个治标不治本的方案。5Why的核心不是技术，是耐心和纪律。
· · ·
问题树与故障树：把分析体系化
除了鱼骨图和5Why，课上我还讲了两个同样经典的工具：问题树和故障树。
问题树，就是把一个大问题逐层拆解成子问题，形成树状结构。每一层的问题都要相互独立、加在一起要能覆盖上一层的全部——其实就是MECE原则的可视化。它的好处是：让你一眼看清"这个大问题由哪些小问题组成"，以及"我现在解决到哪一层了"。
故障树，更多用在工程和质量管理领域。它从"故障"这个顶事件出发，逆向推导所有可能导致这个故障的路径，用"与门""或门"来表示逻辑关系。说白了就是：这一条路坏了，是因为A坏了，还是因为B和C同时坏了？
这两个工具的核心价值是一样的：让你对问题的理解从模糊变成结构化、从感性变成可追溯。
图4：从看到问题到找到根因——经典分析方法论链路
所以你看，这些方法论不是孤立的，它们是一条完整的链路：
数据分析构建认知 → 鱼骨图梳理结构 → 枚举法锁定方向 → 5Why深挖根因 → 问题树/故障树体系化呈现。
每一步都是下一步的前提。跳过任何一步，你的分析都会有漏洞。
· · ·
结构化表达：金字塔原理
分析完了，还要能说出来。
你分析得再透彻，如果表达出来是乱的，那在别人眼里就等于你没分析过。所以昨晚的课，我把金字塔原理单独拿出来作为结构化表达的核心工具。
规则很简单：先说结论，再说支撑结论的理由，再说支撑理由的事实。
大多数人说话的习惯是反过来的：先铺垫一大堆背景，再说过程，最后才扭扭捏捏地说出结论。问题是，对方根本没耐心听你铺垫。你结论放在最后，他前面已经走神了。
金字塔原理倒过来：结论先给你，你想听理由我再说，你想听细节我再说。每一层都是上一层的问题的回答，每一层之间都有清晰的逻辑关系。
这不是什么花哨的技巧，而是一种纪律：逼自己把问题想全、想透。表达的结构，决定了别人能不能听懂你。你想的事情再多，说出来乱七八糟，等于没想。
这些不是什么高深的东西。麦肯锡的顾问入职第一天就学这些。但你别觉得这是"咨询公司的专属技能"——这是任何一个人，面对任何复杂问题时，都应该有的思考方式。
· · ·
没有框架，你用好AI是不可能的
我为什么在AI课上花大量时间讲框架思维？
因为这是你用好AI的前提条件，不是加分项，是必选项。
你想，当你拿ChatGPT生成一段分析报告，你怎么判断它说的对不对？
当你让AI帮你做一个决策方案，你怎么知道它的逻辑有没有漏洞？
当你看到一篇"AI将要取代XX职业"的文章，你怎么分辨哪些是冷静的分析，哪些是纯粹的流量收割？
没有框架思维的人，面对AI的输出，只有两种反应：
全信的人，被AI带沟里。AI会"幻觉"，会一本正经地胡说八道，你连它错在哪都看不出来。
全不信的人，白白浪费了AI的能力。AI明明能帮你完成80%的基础工作，你非要自己从零开始。
只有具备框架思维的人，才能做到：批判性地接收、结构性地验证、创造性地使用。
你能快速判断AI输出的哪个环节有疑点，能带着框架去追问和修正，能把AI的产出嵌入你自己的思考体系里。
这不是什么高级技能，这是基本功。但偏偏是这个基本功，大多数人没练过。
· · ·
昨晚我跟他们说了什么
我跟这三个学生说：你们现在最该练的，不是多学几个AI工具。
而是把这些经典的分析方法论变成你的本能反应：
这三件事，说起来简单。但做起来需要大量的、刻意的练习。
但我跟他们讲得很透：你们现在二十岁出头，把这些基本功练扎实，等你们毕业的时候，工具层面的东西大家都会了。但你在思维层面的积累，就是你的护城河。
而那些只会用工具、脑子里没有框架的人，会发现自己越来越焦虑。因为工具在变，他们在追，永远追不上。而真正有框架的人，工具换了几轮，他依然稳。
· · ·
回到原点
回到那个问题：工具人人都有，凭什么你赢？
答案是：凭你脑子里的东西。
AI时代最大的幻觉，就是以为掌握了工具就掌握了竞争力。
真正的竞争力，从来不在工具里，而在使用工具的那个人脑子里。
所以我的课上，AI工具是手段，框架思维才是目的。
手段会变。目的不会。
我昨晚没有教他们任何一个AI工具，但我相信，他们学到的东西，比任何一个工具都值钱。
