我建了一个「商业经典 AI 顾问」

「顾问」和「聊天机器人」的本质区别

如果你用过 Claude 或 ChatGPT 的网页版，你会有一个感受：它很聪明，但它不了解你。

每次开启新对话，你要重新解释背景；每次需要引用某本书，你要自己复制内容；你上周做过的分析，它完全不知道。

这是结构性问题，不是能力问题。网页版 AI 的架构决定了它是「通用问答机器」，而非「了解你的顾问」。

真正的顾问和普通问答的区别，在于三件事：

text

普通 AI 问答（通用聊天机器人）：
① 每次对话从零开始，没有历史
② 知识来自训练数据，不是你实际读的书
③ 不知道你的背景、方向、过去的决策
真正的顾问：
① 记得你的历史——你之前面对的问题、做出的判断
② 基于可信来源——具体的书，具体的框架，不是模糊印象
③ 了解你的情境——你的 IP 方向、目标读者、资源约束

AI 第二大脑在知识库之上增加了一个 Agent 层。它不只是存储信息，而是：在你开始新任务时综合笔记并浮现相关上下文；跨会话学习你的模式；采取行动并将内容回写进知识库，这样每次会话都留下痕迹。

用 Skill Stack 建起来的系统，拥有这三个特征：

• 历史：hot-cache 记录每次会话的上下文，wiki 记录每次分析的洞见
• 可信来源：12 个 Book Skill，每个框架有书籍原文依据
• 情境了解：CLAUDE.md 定义了你的 IP 方向，project.md 记录了你的目标

这就是「顾问」和「聊天机器人」的本质差距。

五类高价值问法：让顾问充分发挥

建好这个系统之后，我发现：问的方式，比系统本身更重要。

同样的知识库，糟糕的问法只能得到平庸的回答，正确的问法能得到真正改变判断的洞见。

下面是我总结的五类高价值问法，每类配一个真实的使用案例。

问法一：战略决策——让顾问给出多维校正

适用场景： 你面对一个复杂决策，不确定自己是否有盲点。

核心价值： 跨书综合提供「多视角校正」，防止单一框架的偏见。

真实案例：

我在考虑是否要在当前的商业财经 IP 之外，增加一条「个人效率提升」的内容线。直觉上感觉机会很大，但又不确定。

糟糕的问法：

text

「告诉我个人效率内容领域的市场机会」
→ 得到的是：泛泛的市场分析，没有针对我情况的判断

高价值的问法：

text

「我在考虑是否要增加一条「个人效率」内容线，
 现在的主线是商业财经 + AI 工作流。
 用以下框架分别给出判断，不要综合成一个答案，
 每个框架独立给出结论：
 /zero-to-one：从Thiel的角度，这是在创造新品类还是进入拥挤市场？
 /poor-charlie：芒格会用什么逆向分析来问'如何确保失败'？
 /positioning：定位理论认为我现有的品类定位是否支持这个延伸？
 /naval-almanack：Naval 会如何判断这是否属于我的'特定知识'范围？
 最后：指出四个框架中哪些结论相互矛盾。」

顾问的输出（节选关键部分）：

text

Thiel（从0到1）的判断：
→ 「个人效率」是高度竞争的红海，不是新品类
→ 问题：你的「AI工作流」已经是「个人效率」的一个子集
→ 结论：不是拓展品类，是在主品类内深挖——
        继续深化「AI工作流」比进入「个人效率」更有杠杆
芒格（逆向分析）的判断：
→ 确保失败的方法：
  ① 同时维护两条内容线，哪条都做不深
  ② 让读者对你的定位产生困惑（「他到底是商业的还是效率的？」）
  ③ 把资源分散在两个方向，两个方向都没有护城河
→ 反推结论：如果不想失败，就必须有一条线处于绝对主导地位
[!contradiction] 发现矛盾：
→ 定位理论说「品类延伸损害母品牌的心智位置」
→ 但Naval说「特定知识往往来自多学科交叉」
→ 矛盾点：个人效率 × 商业决策的交叉，
  可能创造特定知识——但只有在「交叉」而非「并列」时成立
综合建议（基于四框架矛盾分析）：
不要「增加一条效率线」，而是「把效率作为框架来深化商业内容」
例：用「AI系统提升决策效率」作为商业内容的差异化角度，
而非开辟独立的效率内容赛道。

这个分析让我改变了原来的计划。

不是因为 AI 比我聪明，而是因为它同时从四个角度给出判断，并且主动找出了框架之间的矛盾。这个矛盾（定位理论 vs Naval 特定知识）指向了一个我自己没想到的第三路径。

问法二：矛盾探索——让顾问找框架之间的真实分歧

适用场景： 你读完几本书，感觉它们讲的东西有些地方对不上，想搞清楚。

核心价值： 知识图谱的 [!contradiction] 标注，加上 Skill 的精确框架，能给出「真实分歧」而非「表面差异」的深度分析。

真实案例：

text

「我注意到一个矛盾：
 达利欧说要极度透明，把所有问题摆出来讨论；
 但孙子说兵者诡道，信息控制是战略优势。
 用知识图谱中已有的 [!contradiction] 标注，
 加上 /principles-dalio radical-transparency，
 给我一个深度分析：
 这两种观点真的矛盾吗？还是适用于不同场景？
 如果是场景区别，边界条件是什么？」

顾问的输出（核心部分）：

text

知识图谱中已有标注：
[!contradiction]：极度透明（Dalio）vs 信息不对称策略
深度分析：
表面矛盾：
Dalio：在组织内部，极度透明是建立信任和避免政治的唯一方式
孙子：对外部（竞争对手），信息是战略资产，不可随意透露
但这不是真实矛盾——两人谈的是不同的「博弈场」：
• Dalio 谈的是「正和博弈」场——合作型组织内部
• 孙子谈的是「零和博弈」场——竞争型对抗外部
边界条件（这才是真正有价值的结论）：
极度透明适用：
✓ 目标高度一致（团队成员都想把公司做好）
✓ 信息对称提高集体决策质量（而非降低）
✓ 没有零和竞争（内部无须争夺有限资源）
信息控制适用：
✓ 零和博弈场景（竞争对手会利用你的信息）
✓ 信息泄露会改变对手行为（先动优势消失）
✓ 外部环境中的战略行动
→ 对你的内容 IP 应用：
  对粉丝和读者——极度透明（Dalio 原则）
  分享你的工作流、方法论、思考过程
  透明度建立信任，是内容 IP 的核心资产
  对商业策略——选择性透明（孙子原则）
  竞争对手不需要知道你的下一步选题计划
  商业合作谈判中，保持信息优势

这个分析，是知识图谱中两个不同来源的概念碰撞后产生的——不是我读任何一本书时想到的，是系统的图谱连接主动给出的。

问法三：空白识别——让顾问告诉你知识盲区在哪

适用场景： 你不知道自己不知道什么。

核心价值： 系统能从已有知识图谱中，识别出主题性空白——「你有 A 和 C，但缺 B」这类结构性盲区。

真实案例：

text

「扫描我的知识库，关于「内容变现」这个主题：
 1. 我已有哪些相关概念和框架（列出来）
 2. 这些框架之间有没有明显的逻辑空白
    （有 A 和 C 但缺 B 这类结构性缺失）
 3. 如果要建立一个完整的「内容变现」知识体系，
    我还需要读什么书，补什么框架
 4. 当前最薄弱的一环是什么」

顾问的输出：

text

已有相关概念（来自知识图谱扫描）：
定价相关：
✓ 垄断定价（Thiel）
✓ 价值主张画布（Osterwalder）
✓ 特定知识溢价（Naval）
✓ 损失厌恶的定价应用（Housel）
产品相关：
✓ MVP 验证（Ries）
✓ 杠杆效应（Naval）
✓ 护城河评估（Buffett）
缺失的关键环节（结构性空白）：
空白一：从「有粉丝」到「有付费用户」的转化机制
→ 你有定价框架（知道怎么定价），
  有产品框架（知道怎么做产品），
  但缺少「转化心理」框架——
  读者为什么会从「免费消费者」变成「付费用户」
→ 建议补充：《影响力》——Cialdini 的六大影响力原则，
            专门研究说服和转化的心理机制
空白二：规模化而非个人服务的变现路径
→ 你的框架偏向「交付型产品」（课程、手册），
  缺少「平台型变现」或「社群型变现」的框架
→ 建议补充：《平台革命》或《网络效应》相关资料
当前最薄弱一环：
转化心理——你理解定价逻辑，但不确定是什么让读者按下购买键。
这是你的内容变现体系中最大的认知盲区。

这个「空白识别」功能，是知识图谱最有价值的功能之一——它能告诉你「你不知道什么」，这是任何搜索引擎都做不到的。

问法四：概念溯源——让顾问追踪思想来源

适用场景： 你在某个地方看到一个观点或框架，想知道它的思想源头，以及你的知识库里有没有更深的分析。

核心价值： 沿着知识图谱的连接链路追踪，找到框架的本质来源和变体。

真实案例：

text

「我最近看到一个说法：
 '在不确定时代，选择权比计划更有价值'
 请：
 1. 在我的知识库中，找出所有与这个观点相关的概念页
 2. 追踪这个思想在不同书中的表达形式
 3. 找出哪本书的论述最深入、最有操作性
 4. 告诉我这个观点的核心假设是什么，
    以及这个假设在什么条件下会失效」

顾问的输出：

text

知识库中的相关节点（按相关度排序）：
直接相关：
① 反脆弱-选择权（Taleb）— 核心概念，最深入
② 杠铃策略（Taleb）— 选择权的应用框架
③ 安全边际（Graham）— 下行保护的另一种形式
间接相关：
④ MVP 验证（Ries）— 小赌注保留学习机会
⑤ 特定知识（Naval）— 选择权来自稀缺性
⑥ 能力圈（Buffett）— 选择权建立在确定性上（反向思维）
思想溯源：
这个观点最完整的表达来自 Taleb《反脆弱》：
→ 选择权（Optionality）：有权利但没有义务的仓位
→ 核心逻辑：不对称收益——做错了损失有限，做对了收益无限
→ 操作性最强：杠铃策略（90% 极度保守 + 10% 高风险选择权）
核心假设及其失效条件：
假设：「未来不可预测，所以保留灵活性优于执行计划」
失效条件（这是关键，很多人忽略了）：
① 选择权有持有成本——维持选择权需要消耗资源（时间、金钱、注意力）
   失效场景：当持有成本 > 选择权价值时，计划反而更有效率
② 某些机会有「时间窗口」——等待就是错过
   失效场景：网络效应强的市场，晚进入的选择权价值接近零
③ 执行力本身需要「破釜沉舟」——有退路时人的执行力下降
   失效场景：需要极高专注度的事，选择权反而是障碍
→ 结论：「选择权优于计划」是在高不确定性、
         选择权持有成本低、无时间窗口的场景下成立。
         你的内容 IP 属于「有时间窗口但不极端」的场景，
         建议「有限计划 + 定期重估」，而非纯粹的选择权思维。

这个「思想溯源」问法，让你不再满足于「知道一个观点」，而是理解「这个观点在什么条件下成立，在什么条件下失效」。这是从消费知识到使用知识的关键跳跃。

问法五：历史对比——让顾问从你过去的决策中学习

适用场景： 你想从过去的分析中学习，避免重复犯同样的错误。

核心价值： 知识图谱中存有历史分析记录，顾问能追踪你的思维模式变化。

真实案例（在知识库积累 3 个月后）：

text

「读取 20_Wiki/concepts/ 中所有带有'写作应用记录'的页面，
 以及 00_System/log.md 中最近 90 天的记录，
 分析：
 1. 我最频繁调用的三个框架是什么？
 2. 我在哪类问题上最依赖单一框架（可能存在偏见）？
 3. 有没有我很少用但连接密度很高的概念页——
    可能是被忽视的重要框架？
 4. 我的决策和分析模式，和 3 个月前相比有什么变化？」

顾问的输出（节选）：

text

最频繁调用的框架（过去 90 天）：
① 可信度加权（Dalio）— 被调用 23 次
② 特定知识（Naval）— 被调用 19 次
③ 垄断定价（Thiel）— 被调用 16 次
潜在单框架偏见：
→ 「内容战略」类问题：你有 87% 的情况先调用 Thiel 框架
→ 风险：Thiel 的垄断思维可能让你系统性低估「快速迭代」的价值
→ 建议：在内容战略类问题上，有意识地先问 Ries（精益创业）框架
被忽视的高价值框架：
→ 「创新者的窘境」（Christensen）— 连接密度 17，但 90 天内仅被调用 2 次
→ 这个框架对你的IP方向有强相关性：
  「用AI重构知识管理」本质上就是一个颠覆式创新
→ 建议：下次做内容战略决策时，主动调用这个框架
3 个月前 vs 现在的变化：
→ 3 个月前：主要用单框架分析，很少做跨书综合
→ 现在：平均每次分析调用 2.8 个框架，且主动寻找矛盾点
→ 这个变化表明：你已经从「工具使用者」进化为「系统思考者」
→ 下一阶段建议：开始建立「个人决策原则库」，
  把你反复验证有效的跨书洞见沉淀为自己的原则

这个「历史对比」功能，是整个系统里最独特的能力——它能帮你看见自己思维模式的变化，发现自己无意识形成的认知偏见。这是真正的个人顾问才能提供的服务。

让顾问越来越聪明的三个操作

这套顾问系统不是一次性设置好就万事大吉——它的价值来自于持续的「投喂」和「回写」。

操作一：每次分析后回写洞见

每次顾问给出有价值的分析，把核心洞见回写进 wiki：

text

「刚才的分析发现了一个新洞见：
 '选择权优于计划'在有时间窗口的场景下会失效，
 这个失效条件之前没有在知识图谱中出现过。
 在 20_Wiki/concepts/反脆弱-选择权.md 中，
 添加「失效条件」章节，记录今天发现的三个失效场景。」

操作二：定期做「顾问健康检查」

每月一次，问顾问这个问题：

text

「分析我过去一个月的问题类型和框架调用模式，
 告诉我：
 ① 知识库还有哪些值得建立但尚未覆盖的连接？
 ② 我的问法有没有系统性偏差？
 ③ 下一步最值得读的书是什么，理由是什么？」

操作三：把「反事实问题」也记录进去

不只记录你做了的决策，也记录「我曾经考虑过但没做的选择」：

text

「今天我考虑过进入个人效率赛道，最终决定不做。
 决策依据：Thiel 框架说这是红海 + 定位理论说品类延伸有风险。
 在 30_Projects/2024-商业财经IP/decisions-log.md 中，
 记录这次决策过程，标注：
 ① 考虑的选项
 ② 调用的框架
 ③ 最终判断
 ④ 预期的验证节点（6个月后回顾这个决策是否正确）」

6 个月后，你能回头看自己的决策历史，看哪些框架调用的判断是准确的，哪些是偏差的——然后校准你对不同框架的「信任权重」。这是真正的决策能力成长。

这套系统真正改变了什么

用了 6 个月之后，我发现这套顾问系统改变的不只是效率。

改变一：决策的底气不同了

以前做决策，心里有没有底取决于「我记得多少相关知识」。现在做决策，底气来自「知识库里有多少经过验证的框架，而且我知道它们在什么条件下有效」。

改变二：发现自己偏见的速度更快了

以前不知道自己有认知偏见，或者很久之后才能看出来。现在每次决策后，顾问的「单框架偏见」警告让我能快速发现：「我又在用熟悉的框架硬套新问题了」。

改变三：读新书的方式变了

以前读书是「读完这本书」。现在读书是「把这本书编译进知识网络」——我读书时会主动想「这个概念和知识库里哪个节点有强连接？」「这个观点和达利欧/芒格的哪个原则有矛盾？」

读书从消费行为变成了建设行为。

一句话总结

真正的顾问不只是「你问什么它回答什么」，而是「它了解你、记得你、随着你的积累一起成长」。

12 本商业经典，687 条跨书连接，每次分析都回写知识库——这套系统越用越了解你，越用越懂你面对的问题。

你正在建的不是一个工具，而是一个随时待命、永不遗忘、随你成长的商业决策伙伴。