关于对 AI 的认知
之前把AI比作白纸，有一些不妥，这个比拟更多是想强调白纸的可塑性方面，这个角度是合适的。但不妥的点是白纸的“白”的空白意象。这个空白一定程度上忽视了AI的基础能力，那么LLM的基础能力具体是什么呢，如何描述或者是理解LLM呢？这对我们之后的使用和定位很重要。在直观理解层面，LLM本身具有大量的通识知识，是形成对世界中事物、关系、规律的内部表征，也就是某种世界模型。我之前的理解是它拥有更像类似于人三观上“世界观”的属性，也就是回答怎么看世界的问题，但世界观相较于世界模型是包含着个体对世界的解释的（世界模型+解释框架），更像观点一点。LLM则是只描述不解释，但同时也知道各种观点对世界模型的解释的描述。LLM 的基础不是一个固定世界观，而是对大量世界事实、关系和规律形成了世界模型，并进一步学习了人类基于这些世界模型形成的多种解释框架和世界观。世界模型更偏描述性，而不是价值性；但它仍然不是纯粹客观世界本身，而是“人类记录过的世界”的统计抽象。
在此基础上我们谈谈目前的AI应用开发的理解，也就是各种Agent与LLM的区别。Agent = 通用世界模型 + 业务解释结构 + 受控行为系统。
第一层：认知空间 LLM 提供广泛的世界模型和多种潜在解释方式。
第二层：业务立场 Agent 固定一套专业解释结构、价值排序和决策逻辑。
第三层：行动边界 Agent 获得工具和工作流，同时受到权限、安全和审计约束。
LLM 决定“能怎么看”，专业认知框架决定“应该怎么看”，行为执行系统决定“允许怎么做”。
读《穷查理宝典》的感受
这里我想以AI对话的形式记录
我：
我最近阅读了穷查理宝典的第一章和第二章。讲的比较杂，有些结构没有连贯性。许多确实只是一些格言。我的脑海里留下的不多，我简单谈谈收获，文章开始谈了要多阅读。后续也提到了查理自己常年累月的不断交流积累总结出许多许多模型，涉及各行各业，能够进行全面的分析。模型可以给查理有多角度的看待问题的视角；还有就是保持冷静，理性，客观。要耐得住性子，做好眼前的事，机会会自己找上门。在做投资决策前，要不断的核对清单与分析，不要频繁交易进行投机，比结果重要的是逻辑分析没有问题。包括对待问题要保持好奇，经常思考为什么等等。你帮我总结归纳一下第一章和第二章所讲的观点，并看看我的理解是否正确。
GPT（后来请 AI 精炼过的回复）：
可以压缩成这几条：
- 持续学习：大量阅读、保持好奇，把不同领域的重要知识积累成自己的思维工具。
- 多元思考：不要只用单一视角解释复杂问题，用多个模型互相校验，减少误判。
- 保持理性：区分事实、情绪和自我观点，愿意承认错误、主动寻找反例。
- 认清边界：知道自己的能力圈，也知道哪些事情其实不懂。
- 耐心等待：认知上勤奋，行动上克制，不因为无聊、焦虑或市场波动频繁出手。
- 重视过程：用检查清单、机会成本、安全边际等方法提高决策质量，不只用结果评价判断。
- 机会来了再行动：平时积累和准备，在真正看懂、赔率合适的少数机会出现时果断行动。
如果再压缩成一句话：
不断学习，建立多元模型，保持理性和边界感，耐心等待，用可靠的决策过程减少犯错，并在真正理解的机会出现时果断行动。
如果要更适合你自己记，我反而建议只留下四个词：
学习 → 建模 → 等待 → 行动。
其中“理性、能力圈、检查清单”都可以看作是这四步中的约束条件。
我：
其实你总结的很好，但不管是我看书还是看你的总结，我感觉自己在听大道理，感觉自己在听我老爸唠叨。我自己想过这个问题，我们的生活阅历不同，对大道理的理解不一样，就拿我老爸举例，我老爸对一些道理可能觉得这个道理讲的太对了，可能配合着他的相关经历感同身受，但我可能就只是受到文字的影响，在听怎么做是对的，甚至也认同这么做的原因，但是始终没有激起内心的波澜和行动的动力。我也想像查理一样，慢慢总结和积累出一些模型，帮助自己理性判断，但我会面临这种留不下深刻的思考，可能我copy了你的总结，但我感觉记不在心里。
大家估计也能猜到GPT后续的回答，大概就是能理解，再细化一下为什么有经历的人会有更深的感受等等。然后给出方法论。但如果细细看对应的方法论。确实也找到了答案。成功学的鸡汤太多，我们好像知道什么是对什么是错，但就是没有动力去实践，我感觉确实，道理不是讲出来的，“别人用失败和痛苦总结出来，体会出来的道理，你听一下无法感同身受。”我自己本身也仿佛像GPT讲的一样，想要给《穷查理宝典》提炼出来一些东西进行记录，所以想阅读完第一、第二章记录一下，怕之后忘记就白读了。
但自己仔细回想一下，留不住的东西说明本身就不属于你，或者是时机还未成熟。我只要把能记住的记录下来，才是我真正在乎的思考与感受。正如我想记录成功学大道理的时候，反而是坚定了我之后的记录逻辑和理解。