打破 AI 的“平庸陷阱”
为什么你的 AI 回答总是平平无奇？因为 AI 默认顺从人类，倾向于给出“平均值”。
元反空 (Meta-Reverse-Empty) 是阳老师提出的认知调试技巧，
旨在通过高阶思维指令，逼出 AI 的真正潜能。
元 (Meta)
抽象与复用
定义： 不要只解决眼前的一个具体问题，要让 AI 将解决过程抽象为通用的方法论（Skill/文档）。
核心逻辑：
具体问题
抽象模式
复用能力
场景示例
你刚让 AI 帮你修复了一个复杂的网页 CSS 布局 Bug。普通人修完就结束了。
高手会做“元”操作：让 AI 把刚才的排查思路总结成一个 `
// 基础用法
“请复盘刚才的对话过程，将其总结为一篇通用的《新手排查指南》，去掉具体的项目细节，保留核心的方法论。”
// 进阶用法 (生成 Skill)
“请将刚才解决这个问题的步骤，抽象为一个通用的 Skill 文档（Markdown格式）。
要求：
1. 定义清晰的输入输出
2. 设置自然语言触发词
3. 以后我遇到类似问题，直接调用这个 Skill”
// 批判性思维
“假设你是一个极其挑剔的代码审查员（Reviewer），请指出我这段代码中存在的逻辑漏洞、安全隐患和性能瓶颈。不要说客套话，直接批评。”
// 角色扮演 (红队测试)
“假设你是一个试图攻击这个系统的黑客，你会从哪里入手？请列出前三个你认为最脆弱的攻击面。”
反 (Reverse)
批判与对抗
定义： 站在对立面，主动要求 AI 进行反驳、找茬、寻找漏洞。
为什么需要： AI 经过 RLHF（人类反馈强化学习）训练，天生倾向于讨好用户（Sycophancy）。它不敢轻易说你错了。你需要显式地授权它来反对你。
场景示例
你写了一篇论文或方案，觉得很完美。
高手会做“反”操作： 让 AI 扮演审稿人或竞争对手，狠狠地批驳这篇方案。这样你才能在真正的敌人出现前修补漏洞。
空 (Empty)
质疑与跳出
定义： 跳出系统，质疑需求本身的存在性。做减法。
核心逻辑：
很多时候我们给 AI 下达的任务是“伪需求”。与其让 AI 努力地完成一个愚蠢的任务，不如问它“如果不做这个，有没有更好的办法？”
讲座经典案例
阳老师让 AI 去豆瓣抓取 31 本书的信息。国产大模型非要写爬虫（跟豆瓣的防爬机制对抗），折腾了 45 分钟没搞定。
“空”的解法： 阳老师问：“如果不写爬虫，有没有现成的开源数据集或简单的 API 能够直接下载？” 结果一句话命令就解决了。
// 质疑需求
“试试看这类需求如果不存在，你会怎么处理？是否有现成的库、工具或者不写代码的方式能达到同样的目的？”
// 寻找非技术解
“我们是不是把问题复杂化了？请停下来思考一下，如果我不从代码层面解决，从产品逻辑或数据源头层面，有没有更简单的路径？”
认知敏捷法的闭环
元 (Meta)
将经验沉淀为
可复用的资产
反 (Reverse)
用对抗思维
提升质量与健壮性
空 (Empty)
砍掉伪需求
寻找最优解
"AI 时代，你不需要学完所有的编程知识，但你需要掌握驾驭 AI 的思维模型。" —— 阳志平