一切从一个俄国词汇开始
前几天在笑来课堂听到一个案例，让我重新思考AI和学习的关系。
他用AI帮自己写虚构类小说。在没涉足这个领域前，你可能只会让AI：
- 把人物描写生动一些
- 让故事情节更为曲折、有转折、有悬念一些
但这些要求要的是结果，不是方法。
你可能也有过这种经历：你想要某个结果，但不知道该怎么实现。你只能说"让它更XX"，但说不出具体该怎么做。
深入研究后，他发现竟然还有一个俄国词汇叫 fabula。
在这之前，你是根本不知道这个词存在的。但它竟然能这么系统地把你那些空泛的要求具体化。
比如Gemini对fabula的解释：
Fabula（叙事素材/事件线）：叙事学/叙事理论中的核心概念
| Core Noun | Key Verbs | Logical Synthesis |
|---|---|---|
| Chronological Motif (时序母题/最小事件单位) | Sequence (排序), Accumulate (累积), Anchor (锚定) | 作为构成 Fabula 的最小不可分割事件单元，按自然时间顺序进行排列与累积，为故事搭建基本的时间轴线。 |
| Causality (因果链/逻辑动力) | Drive (推动), Trigger (触发), Constrain (约束) | 事件之间的必然或偶然逻辑联系，用于触发后续情节的发生并约束后续发展走向，是构筑叙事内部合理性的核心引擎。 |
| Chronology (时序性/时间线) | Flow (流动), Progress (推进), Orient (定位) | 事件在客观现实或虚拟时空中的线性流逝过程，为叙事提供方向感与时间参照系。 |
| Character Goal & Agency (角色目标与主体性) | Motivate (驱动), Conflict (冲突), Transform (转化) | 角色的内驱力与行动意图，通过与环境或他者的冲突推动 Fabula 向前演进，并最终引发角色或状态的转化。 |
| Raw Material (叙事素材/原始信息) | Filter (筛选), Extract (抽取), Restructure (重构) | 未经技巧化加工的"前文本"事件与事实集合，作为 Syuzhet（情节/叙事表现）进行结构重构与艺术加工的原料库。 |
| State Change (状态变更/情境转折) | Disrupt (打破), Pivot (转折), Restore (恢复) | 叙事世界中平衡状态被破坏、重组或恢复的过程，是事件线产生张力和戏剧性的本质体现。 |
这个表格做了什么
它不是给我一个答案，而是一套能提问的词汇表。
有了这套词汇表，我能看到认知边界的轮廓。
现在我不说"让故事更曲折"，我说"如何调整Causality来制造更好的State Change"。
现在我不说"让人物更立体"，我说"如何强化角色的Motivate来推动更真实的Conflict"。
名词就是概念，新名词就是新问题空间
在这之前，你的问题空间是这样的：
- 怎么让故事更生动？
- 怎么让情节更有悬念？
- 怎么让故事更有深度？
这些问题：结果导向，但缺乏方法。
有了fabula之后，你的问题空间变成了：
- 如何强化角色的Motivate来制造更好的Conflict？
- 如何调整Causality的触发时机来延迟State Change？
- 如何通过Raw Material的筛选与重构来表达主题？
这些问题：方法导向，可以操作。
当你都不了解某个名词时，你是不可能问出好的问题的。
AI在这里做了什么
AI不是帮我写故事。
AI做的是另一件事：扩展我的搜索范围。
什么叫"搜索范围扩展"？
就是你脑子里的问题空间变大了。
- 之前：你不知道"fabula"这个词，所以你不会搜索"fabula是什么"，你甚至不知道"叙事学"里有这套框架
- 之后：你知道了"fabula"，你的搜索范围从"如何写故事"扩展到了"时序母题、因果链、状态变更"
搜索范围的扩展，本质上是名词库和动词库的扩展。
新名词 = 新概念 = 可以搜索的新方向。
一个极度生活化的例子：寻找周末聚会餐厅
为了让你直观感受到"AI作为搜索范围扩展工具"与传统搜索的本质区别，我们用一个人人都有体感的场景来对比：
传统搜索：在已知地图里翻词典
你在搜索框输入：“杭州 湖滨路 适合4人 评价高的 浙菜馆”。
搜索引擎去数据库里比对这几个关键词，吐出一堆列表（知味观、绿茶、外婆家……）。
局限：它很难超越你给出的"维度"。
如果你没想到"创新台州菜"或"运河边的私房菜"，或者你脑子里根本没有这个词，传统搜索很少会主动呈现在你面前。
你的搜索边界，很大程度上受限于你已知的词汇。
AI扩展搜索：向多维平行宇宙掷骰子
你对AI说：“周末想带几个嘴很挑、讨厌吵闹、但又想拍照好看的北方朋友吃饭，不要传统大牌红店，最好有点隐秘感。”
AI做的不是匹配，而是"维度扩展"与"关联重构"：
- 地理与环境扩展：它会自动把"隐秘感 + 拍照好看"对应到"满觉陇的山谷茶素食"或"九溪深处的单栋洋房"
- 菜系与口味交叉：它把"北方人嘴挑 + 浙菜"扩展为"精细化新派湖州菜"或"结合了宋宴文化的私房菜"
- 隐性需求解构：它把"讨厌吵闹"扩展为"桌距大于2米、带独立院落或预订制无菜单"
最终结果：不仅给出了具体店名，还附带了解释——“因为北方人偏好咸鲜，这家台州菜用生腌和黄酒焖蒸的方式保留了鲜味，且庭院私密性极高”。
本质差异
| 传统搜索 | AI扩展搜索 |
|---|---|
| 关键词交集：在已知小圆圈里找交集 | 向量与语义泛化：把小圆圈推向更大的圆圈 |
| 你得知道自己要搜什么 | 你只需要知道模糊意图或痛点 |
| 拿着图书分类号去借特定的那一本书 | 告诉老图书管理员你的偏好，他带你走到从没去过的新书架 |
AI没有凭空发明任何餐厅，它只是把你脑海中"一维的搜索需求"，扩展为"包含了地理、口味、人群心理"的多维搜索空间。
回到fabula案例。
传统搜索也能发现新词，但前提是你得有运气碰上。
AI辅助搜索不一样——它更系统地帮你提炼一个领域的核心名词和动词。
本质差异：
| 搜索方式 | 核心能力 | 结果 |
|---|---|---|
| 传统搜索 | 根据关键词找内容 | 主要沿着已知的路径探索 |
| AI辅助 | 从模糊方向提炼认知骨架 | 更系统地发现未知的框架 |
传统搜索给你碎片，AI辅助给你地图。
从"我不知道我不知道"到"我知道我不知道"
认知可以分成四个象限：
| 不知道 | 知道 | |
|---|---|---|
| 自己知道 | 1. 我知道我不知道 （可扩展的边界） |
2. 我知道我知道 （我的能力圈） |
| 自己不知道 | 3. 我不知道我不知道 （认知盲区） |
4. 我不知道我知道 （隐性知识） |
AI的核心价值：从象限3到象限1。
- 没有AI：你永远不知道自己不知道什么（盲区是盲的）
- 有了AI：你能看到认知边界的轮廓（盲区被照亮了）
看到边界之后呢？你知道该往哪走。
为什么"看到边界"比"得到答案"更重要
答案会过期，边界感知会复用
- 具体知识：某个框架的具体API参数，下次更新可能就变了
- 边界感知：知道"这个领域有哪些核心名词"，这个能力永不贬值
答案让你停下，边界让你继续
- 拿到答案：问题解决了，思考停止
- 看到边界：问题才刚刚开始，思考被激活
答案是被动的，边界是主动的
- 拿到答案：你是信息的接收者
- 看到边界：你是探索方向的决策者
学习范式的根本转变
过去的学习像是在室内装修。
- 范围是固定的（四堵墙）
- 任务是掌握既定的家具摆法
- 衡量标准是"熟练"（越做越快）
现在的学习像是在荒野探索。
- 范围是开放的（没有墙）
- 任务是不断扩展版图
- 衡量标准是"精通"（知道下一步往哪走）
什么是精通？
精通不是"什么都懂"，而是"知道自己不懂什么，以及该从哪学起"。
就像那个fabula案例：
- 掌握了fabula框架的人，不是已经会写所有故事
- 而是当他遇到某个具体故事问题时，知道该调整哪个变量、该往哪个方向探索
| 维度 | 过去 | 现在 |
|---|---|---|
| 学习目标 | 在既定范围内掌握既定知识 | 持续扩展搜索范围 |
| 路径 | 重复→熟练（线性） | 扩展→实操→精通→再扩展（螺旋） |
| AI定位 | （不存在） | 搜索范围扩展工具 |
一个可以复制的方法
当你想快速搞懂一个陌生领域时，试试这个Prompt：
我想要快速构建关于 【填写你的研究领域】 的系统性认知模型。请作为该领域的资深专家，帮我提炼出该领域的核心知识骨架。
核心实体：严格筛选出该领域最基础、最重要的5-10个核心名词。
关键动作：针对每个核心名词，提供1-3个最关键的动词。这些动词必须代表该名词的核心操作、状态变化或与其他名词的相互作用。
最小系统原则：这些名词和动词的组合必须构成一个"最小但系统"的集合，能够剔除边缘信息，精准勾勒出该领域的底层运作逻辑。
输出格式：请使用表格呈现。表头需包含：核心名词、关键动词、逻辑串联。
这个方法本质上在做三件事：
- 建立名词库 = 建立可提问的"词汇表"
- 建立动词库 = 建立可操作的"动作集"
- 建立系统感 = 建立可导航的"地图"
最后
很多人以为AI时代最重要的能力是让AI帮你做事。
但这是错的。
你可能也试过让AI帮你写东西、做方案、出主意。这些当然有用。
但AI时代真正重要的能力，是学会用AI扩展你的认知边界。
从"我不知道我不知道"到"我知道我不知道"。
这是AI时代最重要的认知跃迁。
AI不是智能助手，而是认知边界的扩展工具。它让你看到认知边界的轮廓，让"我不知道我不知道"变成"我知道我不知道"。