AI 时代个人精进方法论

到底是 AI 泡沫还是没找到法门？两年了，满世界都在吹嘘各种 AI 工具，“颠覆”“吊打”“改写”“重新定义”，这些词儿都被标题党用滥了。人们在焦虑的同时也感到很乏力，既怕 AI 生产力会取代自己，又怕那些会用 AI 工具的同事超过自己。但是当自己真正用上了，好像也就那么回事儿。

首先明确一个重要的概念，到底怎样才算个人精进？我对精进的理解离不开认知，也离不开做事。能够知道更多、做得更好，在进步之后再进一步就是精进。在方法论上，要有模型、有工具、有路径。个人精进方法论我聚焦于个人的知识管理和事项管理这两个方面，然后再结合 AI 升级提效，给出一个简化的模型展示。

干活之前做个 SPA，干活之后再做个 SPA 多开心，是不是？前后 2 个 SPA 模型分别代表知识管理的输入和输出。知识管理不能脱离做事，空谈是没用的，得在事上练，必须通过做事来检验知识的实用性和有效性，这样才能从知道到做到再到做好。具体情况咱们展开慢慢讲。

第一阶段的 SPA 分别代表 searching（搜索）、problem oriented（问题导向）、AI（AI 协助）。这一阶段的 SPA 主要负责知识的输入，整体仍以问题为导向，但一定要多搜索，多利用 AI 的协作。搜索思维极其重要，因为我们身处互联网时代，你遇到的问题 99.99% 别人早就遇到过了，而且做得比你好。所以咱们先搜一下，答案可能就出来了。现在有了 AI，可以极大地增强搜索效率，帮你快速调研获取信息。直接问大模型或者一些 AI 搜索工具，你能更快地获得答案、灵感、思路甚至解决方案。

这当中最容易被忽视的就是以问题为导向。知识管理的顶层一定是一个好问题，你学习知识必定是为了解决某个或某一系列的问题。以前我有个同事跟我分享他工作之余是怎么学习的。他把自己的学习内容分为五个大类：历史、文学、科技前沿、商业管理，还有自身专业相关的。然后周一到周五每天就看对应的书籍文章，看起来很励志，对吧？当着他的面我肯定说你真棒。其实我知道这样做有没有效果还不一定。

成年人的学习就是要功利，就是要解决问题。如果你遇到职场老前辈跟你说：“小刘，你要读王阳明，你要读《金刚经》。” 你就当他没说。因为不是他们在动手解决问题，他们就知道动嘴。搜索、问题导向、AI 协助，这三个都非常重要。

在用一阶 SPA 模型的时候，我就非常喜欢用脑图。脑图的中心主题就是我要解决的问题。对于问题的拆解、相关搜索的调研、对问题的分析、具体的解决方案乃至任务管理，还有事后的总结复盘，我都可以在一份脑图里面搞定。这就是工具提效。

举个例子，职场人有一个问题肯定绕不过去，那就是自己的任务管理。在脑图中心主题输入 “如何高效地做好任务管理”，这就是一个很好的问题，必须是问题导向。然后按照 SPA 模型我们就去搜索。现在最高效的搜索方式不是直接去谷歌搜，也不是直接去问 GPT。这样得到的答案其实比较宽泛笼统，不够聚焦。另外，你无法搜索你脑子里没有的概念，除了任务管理，你脑子里没有其他的关键词。

所以最高效的方式是问 AI：“我想高效地做好自己的任务管理，我需要全面深入地了解任务管理相关的知识，我应该问你什么问题？” 这就是原问题的思路。我用脑图的时候也会用 mindmaster 的脑图自带的 AI 对话框，快捷方便，回答的质量还是挺不错的。AI 脑图快人一步，这个问题问完，你脑中自然就有概念了。比如任务的属性、任务管理的基本原则、它和时间管理项目管理的关系，这当中还涉及到目标的设定方法、任务优先级排序的方法、怎么进行任务分解、如何有效跟踪进度、防止突破 deadline、怎么克服拖延个人任务、怎么跟团队任务协调，以及还有哪些好用的工具或者软件等等。

你看不光任务可以分解，问题也是可以拆解的。拆解之后一个个地问，遇到不懂的我们可以开启持续对话模式，继续追问、扩展发散。拆解之后你会得到更加具体的小问题，你可以继续追问，或者去其他的知识平台搜索相关的信息。我就四处搜索，然后各种问 AI，对于怎么做好任务管理这件事儿，我就有了很清晰全面的认知。这里面有模型、有工具、有路径，这些我都整合在一份脑图里了。不管什么问题，只要一具体就深刻。

比如任务管理这个大问题之下，你肯定要具体到任务目标的设定方法。不管什么搜索渠道，你一定能搜到 SMART 法则。那除了 SMART 法则就没有其他的方法了吗？当然不是。还有 CLEAR 目标设定法、OKR 目标管理法、物品模型、GROW 模型，还有 HOPE 模型等等。不同的方法，其适用的目标场景会有所偏差。你就会发现个人成长和工作绩效的目标设定就不太一样。这些认知的拓展都是因为有 AI 的存在，你才可以快速知道。

再比如怎么确定任务的优先级，你可以对任务 ABCD 设置不同的优先级 1234。但是优先级的判定原则是什么？肯定不是拍脑袋，而是有方法依据的。你肯定也能搜到艾森豪威尔矩阵，把事情按照重要紧急划分。

那除了这个方法，还有没有其他方法？当然有，比如说 ABC 分析法、莫斯科法则、价值与复杂度矩阵、RISE 评分模型、卡诺模型，还有 4D 法则等等，这些都是常见的方法，但未必就是适合你的。你得多看看其他的选择。这些其他的选择很难在传统的搜索引擎里面一次性得到。这个时候问 AI 就很擅长，一个问题就搞定了。

按照 EGS咱们做完了搜索、问题导向、AI 协助，全都应用到极致，当然很有收获。关于如何高效做好任务管理，和这个问题相关的知识输入已经足够了。到这你应该发现，SPA 搜索、问题导向、AI 协助都要求我们积极主动地去探求，肯定不是等着刷朋友圈、刷短视频就能获得这些认知的。理想的精进就必须要积极主动。

接下来就进入到做事环节，前面的知识不能白学。在个人的事项管理方面，进阶的路径是这样的：最初一般都是用每日代办清单，再进阶到高级一点的看板，看板之后再进阶到甘特图一类的项目管理工具，这些工具都能帮你更好地做事儿。工具很常见，但是用法有不同的门道。

比如代办清单，最简单的就是把今天要做的事 1、2、3 写清楚。我习惯把工作都安排在一张脑图里面解决。直接选中这三个任务，然后点击插入添加待办。至于为什么回复 tango 的邮件排第一，提交某某项目方案排第三，不知道。反正就是做完一件事咱就打个勾，反正就是 1、2、3 凭感觉。

进阶的待办清单记录方法可以遵循 ABC 优先级分类规则来写。先做 A 类任务 —— 非常重要且必须优先处理的任务，这也是项目管理常说的 MIT 任务（most important task）。B 类任务是重要但紧急性稍低的任务。C 类任务是不太重要，可以推迟或者优先级比较低的任务。那我们今日代办主题下就应该有 ABC 3 个子主题，分别对应三个不同优先级的任务。同样可以添加代办，但必须先做 A 类任务。慢慢习惯了这个判断优先级的逻辑之后，那就简单点选中代办任务，然后点击图标添加优先级就行了，分别添加一、二、三级。

为什么是三个等级呢？你心里是有数的，因为你用的是 ABC 分析法。如果你采用其他的优先级分类方法，比如说莫斯科法则、价值与复杂度矩阵、4D 法则等等，那你的优先级就应该是四级。就算是四级，最后一级一般都是选择不做的，所以还是可以简化成三级。

同样是三级，背后的判断逻辑是不一样的。任务代办不是简单的 1、2、3、4、5 排序，背后的优先级逻辑要清楚。任务代办只有两种状态：未完成或者完成。如果你想更精确地跟踪任务的进展，比如说某个任务要好几天才能搞定，那你可以添加一个任务进度。比如今天结束了，完成了 25%，那就改成 25%。

从待办清单再进一步是看板。看板起源于丰田的精益生产，现在全世界各行各业都在用这个高效的任务管理工具。比如我的视频创作计划，我可以简单地分为 to do、doing、done。这是在脑图模式下，然后点击左上角的看板，我就可以切换到看板模式。看板是一个更加高效的任务管理方式。比如说我把 “AIPPT 合集” 这个任务拖到上面去，然后把进度条从 25% 改成 50%。

你再回到思维导图模式，它是联动的。看板从左到右一般是符合工作流程的。我这个 to do、doing、done 其实不是一个好的工作流，它只是任务的状态。如果切换成选题构思、脚本录制、剪辑上线，那这个才是一套完整的工作流。我一般会同时推进 2 到 3 个视频项目。A 项目在拷贝数据或者导出渲染的时候，等待的时间我就可以写 B 项目的脚本。我就可以把它从构思这一栏拖到脚本这一栏，你看就很方便。

如果你是团队 leader，要同时管理多个现场的任务，那你需要添加更加详细的任务信息，除了优先级、进度，还有负责人、起止时间等等。这样的话整个工作流看板上所有的项目任务是一目了然的。你也可以把这个链接分享给你的团队，就能实现项目的协同。比如从计划到立项审批到实施，到验收到结算，这是工作流程。

所有的项目任务按照流程阶段有序排列。这里的 P1、P2、P3 标签是优先级。你可以拖动排序，这个比较麻烦，直接点击上面的排序添加条件。你可以按照优先级排序或者截止日期排序，点击一下自动排序，这个就很棒。

如果你是第一次接触看板这种管理工具，你可以参考 mindmaster 里面的模板，这里有各种岗位或者业务场景下的流程，看板可以快速上手。我以前也用 mindmanager 那款国外的脑图软件，它也有看板，但是操作逻辑比较死板，而且 UI 界面也不好看，就没有 mindmaster 用得这么顺手。我发现 mindmaster 居然可以先有看板再有脑图。我可以先选个看板的模板调整修改一下卡片，然后点击思维导图，它就直接一键切换了。这个对流程化工作是非常有帮助的。

看板一定要掌握，比看板更精细的是项目管理。你可能是一个项目的负责人，或者同时负责参与多个项目，你所有的任务信息都很清楚，那你就可以一键从看板模式切换到甘特图模式。这条红线代表的是今天，绿色代表了完成进度，哪些进度落后了也是一目了然。从待办清单到看板，再到项目管理的甘特图，这是做事能力和责任范围的进阶，也是个人精进道路上需要用到的几个关键工具。在这个做事进阶的过程中，AI 的作用体现在事前、事中。除了能在前面的环节里帮你分析问题之外，AI 在事前最大的作用就是事前演示。事前演示是丹尼尔・卡尼曼提出来的一个非常有效的决策工具，尤其适合风险排查和项目规划。它的核心思想是在项目开始之前，咱们先假设项目已经失败了，然后倒推分析导致失败的原因。这个方法就是为了提前识别潜在的风险和问题，避免过度自信、过度乐观导致的认知盲区。

让 AI 帮你事前假设，问它两个问题就行了。第一个，假设失败找原因。比如我们公司一款生产力软件版本大更新，我现在要负责策划宣传工作，要尽可能地触达更多的新老用户。这类工作肯定有很多人做过，有成功的经验，也有失败的教训。我想知道假设我也做失败了，可能失败的原因有哪些？第二个，提前写复盘报告，把事情的详细背景信息告诉 AI，然后让 AI 帮你写一份复盘总结报告的大纲。这就是以终为始的思维方式，事后总结关注哪些要点，事前就重点做好准备，AI 就是你的智囊团。

这两个问题问完，把 AI 给的答案整合到一张脑图里，这就是事前检查的清单，从头捋一遍，提前规避掉，那成功的概率是不是大大提高了。然后在事中，那就看你实际的需求，哪些活 AI 能帮你做就直接做掉了。比如说设计的活找 Midjourney，现在电商设计早就结合 AI 应用上线了。普通人总是希望 AI 一步到位，其实设计师不需要 AI 生成的图片完全完美，大体上能用就行了，局部 PS 修一下，然后和其他的图片结合一下就非常省事了。

Text to code、text to image、text to PPT、text to speech、text to music、text to video，还有 text to APP。只要你是知识工作者，跟文字、代码、图片、声音、视频打交道的，AI 总能帮你干活。有很多人早就把 AI 融入到自己的工作流了。包括万维钢在内的几乎所有的专栏作家，现在都离不开生产力工具，所有搞翻译写代码的都离不开大模型了。这就是把 AI 融入到自己的工作流。好了，事情做完了再做一次 SPA。二阶 SPA 知识管理的输出，S 指的是 structuring（结构化），P 指的是 productivity（产品化），A 指的是 apply（可应用）。

做完一件事儿或者一个项目之后，你能输出什么结构化的知识晶体？同样是做营销的，麦卡锡能搞出结构化的营销 4P，奥特伯恩能搞出结构化的营销 4C，华杉能搞出结构化的超级符号模型，你能不能结构化地输出自己的模型？不一定非得是震惊行业、万众认可的模型。因为严格来说模型都是有局限性的，它只能在一定场景下才能适用。就像我自己总结的这个输入输出 SPA 模型，我觉得在 AI 时代的知识管理用在个人精进上是有效的。当然结构化输出不一定非得是高度提炼的模型，哪怕是文章也行，只要是有结构、有逻辑的就是好的产品，这就是二阶 SPA 的产品化。

知识管理一定要输出成产品模型，脑图、文章、PPT、视频、课程、书籍，这些都是知识产品。我的这个 SPA 模型是产品，前面做的关于任务管理的那个脑图也是产品，我做的这条视频还是产品，我之前做的剪辑课程也是我的产品。而且这些产品都是有实际应用价值的，我相信你看到这儿了，也会觉得有用。以上就是二阶 SPA，是负责知识管理的输出端。所以现在不管做什么事儿，我都是事前事后做两次 SPA，我肯定很爽，也肯定有收获。

如果你再问我 AI 时代怎么实现个人精进，长篇大论我也记不住。我就给你画个图，一阶 SPA 是知识管理的输入，搜索、问题导向、AI 协助缺一不可，这个让我更高效地知道；然后到做事阶段学以致用，知行合一。基于事项管理的进阶路径，从待办清单到看板再到项目管理甘特图，做事过程中还有 AI 的事前事中辅助，这个是让我更容易地从知道到做到。做事之后肯定有经验收获。

二阶段就是结构化地输出这些有价值的经验，把隐性的收获输出成显性的产品，而且还能应用。这就做到了知识的可复制，下次也能做得更好。在这个模型里面，一阶 SPA 也可以直接到二阶 SPA，这就是纯显性知识的整合，输出也有一定的价值。但最终还是要在这套方法论当中有模型、有工具、有路径。

工具当中我喜欢 AI 和脑图。因为我始终认为一个人的成长终究是要落在文字上，成长也离不开独立思考。既方便文字输出又方便思考的工具就是脑图了。而且我一直用的 mindmaster，它也不仅仅是脑图，它还能充当 PPT 进行演示汇报，能满足我从任务管理到项目管理的各种需求。这种多合一的产品我是闭眼冲的，我也一直把脑图当成我的外脑，现在它又整合了 AI 大模型，整体就更加智能，生产力更强了。