夜雨聆风加餐讲的是他自己怎么用 AI。
我原本以为这是凑时间的边角料，听完发现不是。企业转型那部分讲的是"怎么让三千人动起来"，加餐讲的是"你自己一个人能被放大到什么程度"——对大多数还没到三千人规模的公司来说，后面这部分可能更用得上。
所以单独写一篇。
一、四条捆住 AI 的缰绳
这一段的标题页写着一句古文：世有伯乐，然后有千里马。
讲者的意思是：千里马就是 AI 工具，现在满地都是。缺的是伯乐——能识别它、并且真敢把缰绳松开的人。
他举了个例子：今年年初 Gemini 3.1 Pro 发布的时候，据称全球只有 7 个人的推理能力能超过它（分享方现场转述，我们未核实原始出处）。不管这个数字精确到什么程度，想说的意思很明确——AI 的能力天花板已经远远超过绝大多数人了。
然后说了一句挺重的话："今天如果还觉得 AI 不好用，一定不再是 AI 的问题了，一定是自己的问题。"
接着给了四条我们自己给 AI 套上的缰绳：
01 旧流程。 你把一件事拆成 A、B、C、D 四步，然后只让 AI 做其中一步。但这四步是为人设计的——人一次只能处理一点，所以要拆。AI 不需要。它本来一步就能走完，你非要它按老流程走，于是它在你这里的表现，就是"也没快多少"。
02 工具思维。 只把 AI 当成写文案、做客服、查资料的软件功能。这是把一个能理解上下文、能做判断的东西，用成了一个高级搜索框。
03 不放心。 担心信息泄露，所以只给很窄的上下文，只允许它回答固定问题。但 AI 的输出质量几乎完全取决于你给的上下文有多少。 给得少，它只能猜；猜得不准，你更不敢给——这是个死循环。
04 人当总调度。 目标、判断、推进、验收全都由人抓着，AI 只能等着派活。讲者的比喻很不客气：现在人基本是小学生水平，AI 是清华北大水平，小学生指挥博士生干活，这个配置是倒挂的。
我们的看法： 四条里，第一条和第四条最致命，因为它们是隐形的。
工具思维和不放心，你自己心里是有感觉的——你知道你在防着它。但"旧流程"和"人当总调度"不一样，它们伪装成了"规范管理"。你觉得自己在有序推进，其实是在用为人设计的节奏，去限制一个不需要这个节奏的东西。
一个自查方法：回想你最近一次用 AI，你是给了它一个"任务"，还是给了它一个"目标"？
"帮我把这段文字改得通顺一点"是任务。"这是我要发给客户的说明，目的是让他理解为什么涨价还愿意续约，你看看怎么改，也可以告诉我结构上是不是该重写"是目标。
前者你是总调度，后者你是甲方。甲方只需要讲清楚要什么、什么算合格、我认这个结果，剩下的交出去。
二、把一整支高管团队装进手机
加餐里最具体、也最有画面感的一段，是他展示了自己手机里的 ChatGPT 侧栏。
置顶的几个对话不是"帮我写文案""翻译一下"，而是一串职位：
- 首席幕僚长——他的秘书和助理，负责资源协调、优先级排序、最终拍板
- CEO 办公室——经营企划室，管公司战略、商业模式、经营管理
- CTO——AI 技术顾问（他说自己公司没有 CTO 这个岗，这是个虚拟的）
- CHO——组织、人才、绩效
- CMO——品牌、营销、增长
- CFO——每天帮他分析财务流水
到这一步为止，很多人可能会说：这不就是给提示词起了个名字吗？
真正有意思的是他怎么用这些角色。
他不是每天挨个去问问题。他的做法是——把它们当真人团队管：
让首席幕僚长每周组织一次 CXO 会议，讨论下周公司的经营重点。他展示的截图里，几个角色正在讨论游学产品下个月怎么升级。 让 CHO 去读他跟其他几个 CXO 的聊天记录，评估这些角色回答得好不好，给它们做绩效反馈，让它们迭代。
他的原话是："真人怎么管，今天就去怎么管就好了，打开你的脑洞。"
我们的看法： 这套玩法值钱，但值钱的地方不在大多数人以为的那里。
它的价值不是"省下几个高管的工资"。AI 扮演的 CFO 不是 CFO——它没有你的真实账目，不承担任何后果，不会在你要做一个危险决定时把职业生涯押上来拦你。把它当成真的高管替代品，是要出事的。
它真正值钱的是两件事：
第一，它逼你把问题结构化。 当你面前有六个角色时，你必须先想清楚"这个问题该问谁"。而这个分类动作本身，往往就已经完成了一半的思考——很多想不清楚的问题，其实是因为把战略问题、财务问题和人的问题搅在一起问了。
第二，它给了你一个不怕得罪你的反对者。 这个后面单独说，是我们认为整个加餐里最有价值的一条。
还有一个前提条件他没明说，但很关键：这套东西的效果，完全取决于你喂了多少上下文进去。
一个空白的"AI CFO"给不出任何有用的东西，它只会输出财务管理的通用常识。只有当它知道你的行业、你的规模、你的现金流结构、你上个季度纠结过什么，它的回答才开始有价值。
所以顺序是：先有上下文，再有角色。 反过来做，就是给通用回答换了个称呼。
他还提到一个有意思的用法：把你自己封装进员工的手机里。 员工有拿不准的事，不用战战兢兢跑来找老板确认——问手机里的"老板"就行。他的原话："重生之老板给我打工了。"
这个思路延展一下，不止适用于企业。他举了个例子：广东东华禅寺的方丈，以前每年服务信众大约 1 万人；封装了自己之后，通过小程序每年服务 10 万人（分享方现场转述）。一个寺庙的住持能这样做，一个公司的创始人、一个团队的技术负责人、一个销售冠军，都能这样做——把你最值钱的判断力从你身上剥离出来，让它不依赖你的时间和精力就能持续输出。
三、十个习惯里，最该先做的那几个
他还给了一页"AI 时代的十大工作习惯"，副标题是"从工具使用者，进化为 AI 协作者"。
十条我不全列——列全了没人记得住。挑三条我们认为最该先做的：
语音输入，别打字。
他给的经验值是手打约一分钟 50 字、语音约一分钟 250 字。但省时间不是重点，重点是下一句：
你在打字的时候，基本没有耐心把上下文写长。
这句话把前面第 03 条缰绳（不放心/上下文太少）和这条习惯串起来了。AI 的效果高度依赖上下文长度，而键盘是上下文的瓶颈——不是你不想给，是打字太累所以你不给。改成说话，这个瓶颈就消失了。
举个例子你就明白了。同样一件事——让 AI 帮你改一封客户邮件：
打字的人通常会写："帮我把这封邮件改通顺一点。" 这就是前面说的"任务"，二十个字，没有上下文。
但如果你改成说话，你会很自然地讲出来："这封邮件是发给一个合作了两年的老客户的，我们刚涨了 15% 的价，他有点不高兴，我想让他理解涨价的原因，同时别伤了关系，你看看怎么改，措辞可以调，结构也可以重新组织。" 这段话说出来不到二十秒，但信息量是打字版的五倍。AI 拿到这些上下文，写出来的东西完全不是一个水平。
差别不在 AI，在你给了多少。而语音是目前让"给得多"这件事变得最省力的方式。
我自己在用的是豆包输入法，感觉挺好用的，手机电脑都能用——按一个快捷键开始说话，松开就变成文字，在任何你打字的地方都能用。
学会截图提问。
这条几乎零学习成本，但很多人没养成习惯。
什么时候该截图？三种典型场景：
第一种，你看不懂的东西。Excel 里一个公式报错、后台系统弹了个你没见过的提示、财务报表里有个数对不上——你要是打字描述，得花五分钟讲清楚"在哪个页面、哪一行、报了什么错"。截图一秒钟，AI 直接看到完整现场，包括你可能忽略的周边信息。
第二种，你想分析的东西。竞品的一个页面设计、同行的一条爆款文案、一张你觉得不错但说不清好在哪的海报——截图丢给 AI，问"这个为什么有效"，它能从版式、文案结构、视觉动线多个角度给你拆。
第三种，你想确认的东西。你写了一段文案、做了一页 PPT、调了一版设计，不确定行不行——截图问 AI，比把文件传来传去快得多。
本质上，截图就是一种最省力的"给上下文"——跟语音输入解决的是同一个问题，只是一个用嘴，一个用眼睛。
持续给反馈。
这条听起来最简单，但做错的人最多。
多数人给 AI 反馈的方式是这样的："不行，重做。" 或者更常见的——不满意就直接开一个新对话，从头再来。
这等于什么呢？等于你招了一个新员工，他第一天交了份活你不满意，你不说哪里不满意，直接把人辞了，再招一个。下一个人犯同样的错，你再辞，再招。
有效的反馈要指出具体哪里不好，以及为什么不好。
"这段文案太长了"是模糊反馈。"这段文案给客户看的，客户是老板，没时间读超过三段的东西，砍到三段以内，每段不超过两行"——这才是 AI 能执行的反馈。
还有一类更难的情况：你说不清楚哪里不好，就是感觉不对。比如一张设计图、一段视频的调性。这时候用前面那条——截图。找一个你觉得对的参考，截图给它，说"照这个感觉来"。AI 很擅长从视觉参考中提取风格特征，比你用文字描述"高级感"要精准得多。
反馈不是一次性的。同一个对话窗口里，你纠正它三五次之后，它对你的偏好就有了相当准确的理解。这个纠正过程就是在建立你的隐性知识库——它记住的不是通用规则，是你的标准。
我们的看法：这三条不是并列的，有先后。
很多人会从最酷炫的开始——先搞角色扮演、先建 AI 高管团队。但我们认为顺序应该反过来：
第一步，语音输入。 解决的是输入瓶颈。你不解决这个，后面所有习惯都会卡在"懒得打那么多字"上。
第二步，建个人知识库。 解决的是上下文。你把自己的行业资料、公司规则、历史决策喂进去，AI 的回答就从"通用常识"变成"懂你的建议"。前面第二节讲的 AI 高管团队，没有知识库打底，就是六个只会说正确废话的角色。
第三步，持续给反馈。 解决的是迭代。前两步让 AI 能接住你的问题，这一步让它越用越准。
这三条做完，剩下的习惯会自然发生。
四、最容易被忽略的一条：让 AI 反对你
加餐最后一页是"AI 时代最容易被忽略的 10 种高级应用"，副标题写着：真正的价值，不是替代工作，而是增强决策、放大认知、重构组织。
十条里我们最想单拎出来讲的是第 5 条：AI 挑战决策——让它扮演反对者，去攻击你方案里的漏洞。
做法简单到有点不像技巧：在你的角色设定里加一句"你要有自己独立的判断，不要一味顺从我"。
加了这句之后，它会开始反驳你。你说一个想法，它会说"你这个判断我不认同，理由是……我有更好的建议"。
为什么我们认为这条最值钱：
因为老板最缺的从来不是执行，是没人敢说真话。
职位越高，收到的反对意见越少——这不是因为你的判断变准了，是因为反对的成本变高了。下属权衡一下利弊，很多话就咽回去了。这个现象跟人品无关，是结构决定的。
而 AI 恰好不在这个结构里。它不用考虑年终奖，不用担心站错队，不用琢磨"这话说出来老板会不会记仇"。 你给它权限反对你，它就真的会反对。
这是 AI 在决策场景里一个非常独特的位置——不是给你答案，是给你一个免费且安全的反对者。
配套的还有几条同样偏"决策增强"而不是"干活"的用法：
- AI 主动汇报
：不是你问它才答，而是它定时给你推。他自己设了一个每天下班时扫一遍所有群、检查有没有漏回消息的任务。 - AI 持续研究
：竞品和行业动态开一个长期对话窗口，持续喂、持续问，让它越来越懂这个赛道，而不是每次从零开始。 - AI 发现问题
：数据字段太多人盯不过来的时候，让它盯。他们一年几万个 SKU，库存、毛利、退款这些维度人工看不过来，AI 可以全量扫。
这几条的共同点是：AI 不再等你派活。 回到第一部分那四条缰绳——第 04 条"人当总调度"，解开它的具体方法就在这里。
写在最后
加餐结束时他说了一句话，跟前半场企业转型部分的落点是同一个：
AI 一定要成为经营系统。不到经营系统层面、不改变经营结果，最后这件事就是在炫技。
这句话放在个人层面同样成立。
你可以把六个 CXO 装进手机，可以让它们每周开会，可以让 CHO 给 CFO 打绩效——但如果三个月后你的决策质量、你的时间分配、你公司的经营数字没有任何变化，那这套东西就是个很精致的玩具。
所以这篇最后想留一个可验证的动作，而不是一堆技巧清单：
挑你手上一个还没定的决定，把背景讲清楚（用说的，别打字），然后加一句"请你独立判断，不要顺着我"，看它会不会拦你。
如果它拦住了，并且理由是你没想到的——那你就已经比"把 AI 当搜索框"多拿到了一样东西。
本文素材来自 2026-07-27 一场公开游学的加餐环节。企业转型部分我们写在了上一篇《去森马听了一下午 AI 转型，我带回来五个判断》里，两篇可以对着看。文中提到的效果数字和第三方案例均为分享方现场所述。
