SCAMPER（常被译作「奔驰法」）是一张用来改进现有想法、产品或流程的七问清单：替代（Substitute）、合并（Combine）、借用（Adapt）、调整（Modify）、移作他用（Put to another use）、去除（Eliminate）、反转（Reverse）。 你让这个想法依次过一遍每个提问，记下它启发的东西。它之所以管用，是因为它逼你越过那两三个你本来就会想到的招数。
「思维模型实战」系列之一：一个关于经典方法、以及怎样把它们用在你自己材料上的短系列。
想把语音记录变成 Markdown 而不打断手头的事：用一个全局快捷键，在你正在用的任何应用上方打开一个记录框，保存之前读一遍转写，再以纯文本存进今日笔记。只有到这时——而且只在你愿意时——才让 AI 整理你「怎么说的」，永远不碰你「说了什么」。
常见的语音备忘流程败在第二步。你录了音，音频躺在一个你从来不打开的应用里，等你终于拿到转写，是一堵满是「嗯，那个，就是说」的墙。
第一性原理思维，是把一个问题拆到你确信为真的东西——物理极限、真实成本、实际需求——再从这些出发往上推理，而不是从这个问题通常怎么解决开始。它慢、费力，所以只值得用在惯例可能出错、而且事关重大到值得花这番功夫的地方。
「思维模型实战」系列之一：一个关于经典方法、以及怎样把它们用在你自己材料上的短系列。
AI 技能是一个纯文本文件——通常叫 SKILL.md——顶部是一个名字和一行说明什么时候适用的描述，下面是方法：步骤、检查项、产出的形状。想写一个会被用上的技能：描述它适用的情境而不是它的内容，让方法具体到可以被照字面执行，第一次让你失望时就去改它。
当你第三次往对话框里敲同一句指令——「先写决定，每条都要有负责人和日期」——这句话就已经成了一个技能。只是还没被存下来。
想用 AI 和课件复习备考：先把老师围绕每张幻灯片讲过的东西找回来，再就你没跟上的那张图或那个公式提问，然后从阅读切换到被考——先作答，再看答案。读 AI 的讲解感觉像在学习；被考，才能告诉你到底学没学会。
拿课件来复习是件奇怪的事。它们是老师的提词卡，而不是那堂课本身。解释这些提词的那一半，在某个人的脑子里，已经不见了。
为一个论点搭最强反方（steelman），就是在回应之前，先把对立的观点用它最有力的形式重述一遍——比它自己的支持者说得还好。这是稻草人谬误的反面。如果你的立场在最强反方面前依然站得住，它就值得坚持；站不住，你也付出了最小的代价发现了这一点。
「思维模型实战」系列之一：一个关于经典方法、以及怎样把它们用在你自己材料上的短系列。
AI 对你文字的修改，应该以修订形式到达——删除的划掉、插入的标出，就在你自己的文字里——这样任何没有标记的地方都和你写的一模一样，每一处修改你都可以接受或拒绝。另一种做法，交回一份改写过的副本，逼你在「全部重读」和「相信一处你从没看到的修改」之间二选一。
对一段话，改写的副本是个小麻烦。对一整章，它就是人们不再让 AI 碰任何要紧东西的原因。
想在电脑上用 AI 读 Kindle 书，你需要一个无 DRM 的 .mobi 或 .azw3 文件，以及一个能把它转换成带章节的正经电子书的阅读器。在 MindMax 里打开它，第一次就会变成一本 EPUB 式的书，原文件原封不动；之后你可以带着引文向它提问，或者让 AI 一章一章地批注它。
先说那个前提，因为它决定了其余部分对你适不适用：从 Kindle 商店买的书带 DRM，打不开。 那把锁不归我们来解，这篇文章也不会讲怎么解。
通过 Ollama 或 LM Studio 运行的本地模型，能做好短小、边界清楚的文档活——解释一段文字、回答关于一篇打开着的论文的问题、整理一篇笔记——而且这些活从不离开你的电脑。它吃力的是那些需要大上下文和可靠工具调用的长活：一章一章地读完一整本书、翻译几百页、起草书级篇幅的东西。
这个分界值得在开始之前就知道，而不是在一个做不完的任务跑了四个小时之后。
事前验尸是一种规划练习：假设项目已经失败了——一年以后，结果很糟——然后列出原因。因为失败被当作事实而不是可能性，人们会说出原本藏在心里的风险。它大约要二十分钟，在决定最终拍板之前做效果最好。
这是「思维模型实战」系列的第一篇：每篇讲一个经典方法——它是干什么的、怎样手动来做、怎样用在你自己的材料上。