本讲是一期问答合集：万维钢集中回应了读者关于多重参照点困境、力量有限如何搜集外部样本、AI 智能体与 OODA、工作记忆能否通过训练「加大」、插图会不会增加认知负荷等五个问题，文末附有三位读者的精彩留言。
万老师，文章结尾的北宋案例，本质是「两个参照点同时撕扯」导致的灾难。但在现实生活中，我们常常不是只有一个错误的参照点，而是同时被「历史高点」「社会比较」「自我预期」等多重参照点撕扯，就像散户既盯着买入价、又盯着别人的收益率、还盯着自己曾赚到过的最高点。当多个参照点同时存在时，「自由设置」常常失效，因为无论你怎么设，总有另一个参照点在刺痛你。面对这种多重参照点困境，您会给出什么不同于「各自设置心理账户」的解法？
像社会比较、历史高点这些由外界给出的参照点，是我们最自然的一种比较心理。这种比较其实是有用的，它能让我们看见现状，知道自己大概处于什么位置。就如同学生考试，你最好知道自己在班上排第几，这次考试比上次是进步了还是退步了。当然不好的一面是，它会带来焦虑，可是比较心理是不可遏制的。
关键在于，你能不能跳出这些表面上的比较，主动选择把一些更本质的东西作为参照点。
就拿写文章来说，读者的反应肯定是重要的，但是其中有很多偶然性。可能正好赶上一个流行话题，文章就成了爆款；也可能这个话题只有小众感兴趣，写出来就没什么反响。但是不管外界的反应怎样，这篇文章相对于你自己来说水平怎么样，其实你是知道的。比如：这里面是否有更深入的思考、更重要的信息？你是否做了足够好的调研？相对于过去，现在的写法有没有进步？这些内在的评价会更可控。
简单说，你希望把可以积累复利的资产，而不是偶然性更大的果实，当作参照点。
但是果实也很重要，因为内部资产往往是难以测量的——你不能明明水平不行还以为自己很行。这还是卡尼曼说的内部视角和外部视角的问题。现实是，人既需要内部视角，也需要外部视角。
如果一个没有经历过什么风浪的人说：「我根本不看外界评价，我只在乎我自己内心的评价。」他一定是站着说话不腰疼。现实是，哪怕是有一定社会经验的人，也会非常在意各种指标和评价。
理想的状态，是你经历过风浪，好的坏的被评价很多次，以至于锻炼出一个特别强大的自我内核，你的心态超越了那些外在的参照点：指标和评价对你来说只是可供参考的信号，而且只是各种参考信号中的一小部分——它们不是你的目标，不是你的指引，更不是诱饵。
我感觉有时外部信息挺难搜集，个人力量有限，就拿例子里说的找工作问同行师兄师姐这种，没认识一定的人也不行，作为力量有限的个人该如何搜集外部样本，用好参考类预测这个工具呢？
找参考类的关键并不是要找跟你相似的「人」，而是找相似的机制，或者说是相似的结构。你真正想问的问题是：过去那些跟你有相似结构的人、项目、产品或者选择之中，有多少比例走到了你想要的结果？现在你有什么证据，足以让你偏离那个比例？
如果你非要问，像我这个年龄、背景、所在地区、拥有这些技能的人，如果做这么一个产品，成功的可能性有多高，那显然你很难找到参考类。但你真正想知道的是「现在市面上用 AI 编辑短视频的 App 是否已经足够成熟，如果做出来，能不能好卖」这样的问题。
一旦你把一个关于人的问题变成一个关于机制的问题，你就把它给一般化了。
这样你就可以利用公开信息，比如用 AI 直接帮你从各种行业报告、学术数据中获取信息，还可以观察各个平台的公开数据，比如直接在淘宝这样的平台搜索，看看你感兴趣的商品销量。这些公开的信息总能告诉你一些事情。
如果你想知道自己所在大学、所在专业的毕业生就业前景，最好的办法当然是问问已经毕业的师兄师姐，或者问辅导员老师。但那个信息对你来说也许并不是那么重要。一切分类都是主观的，你完全可以把自己放到另外一个参考类里。也许你的志向并不是你现在所在的专业，你想知道的是另外某个行业在未来几年的总体需求，那这就又是一个公开信息。
有些人问：「如果我是这个参考类里的特例怎么办？」那你就是选错了参考类。也许你的参考类不在本地，在远方；不在同龄人中，而在古往今来跟你共同志向和爱好的人里。
请问万老师，AI 现在的学习机制符合 OODA 的逻辑吗？或者我要改进自己的智能体助手，可以让它用 OODA 方式来优化自己的工作流吗？
是的，AI 智能体应该用 OODA。如果 AI 只是按照你定好的动作，第一步、第二步、第三步干什么，把事情做完，那它只能说是一个自动化脚本。真正的智能体应该体现 OODA，也就是说，在它开动之后，能根据观察到的结果进行重定向，现场自己决定该怎么办，然后采取下一步行动。
从 OpenAI 的 o3 这个模型开始，AI 就有这个意思了。最早的时候，你问模型一个问题，它只是凭直觉给回答；后来它有了思考模式，会先想一想，把语言组织组织再给你答案。但 o3 完全不同。o3 是自己先去做一番调研，它会根据自己调研的结果加以判断，然后再想一想下一步：是做一番计算，还是给你画个示意图，或者怎么办。然后它再重新组织语言，给你生成一个答案。它最后生成的答案，是根据现场调研出来的结果决定的。
OODA 的精神就是：我们不能在自己的心内世界中完成闭环——你必须接触现实。通过问讯、收到反馈、重新定向、然后再决定你怎么办，并且反复做这个循环。
这就引出了一个问题：在智能体 OODA 环之中，人的位置在哪里？
我最近跟硅谷一些在一线做 AI 智能体应用的工程师有些交流，我感觉整个硅谷的氛围是把人排除在循环之外——人只起到一个监督的作用，尽量让 AI 从头做到尾，这叫「Human-on-the-Loop」。有些工程师认为当前模型的能力已经够用了：如果你发现某个工作任务模型还做不好，那不是模型的问题，而是你的问题——是你没有把智能体安排好！我感觉这些工程师的想法非常激进，就是尽可能让 AI 承担所有的事情，最好人一点都不参与，甚至可以说叫「Human-out-of-the-Loop」。
当前空气就是这样，但我对此充满疑虑。我觉得现在的智能体应用，包括龙虾在内，都是用 AI 在计算机上频繁操作一些小事，而不是做少数的大动作。我很难相信应该把大动作也完全交给 AI。
就拿写作来说，不用说整个写作过程，就单纯是调研这一步，也不可能完全 Human-on-the-Loop，而是要「Human-in-the-Loop」，让人的参与成为循环中的一个关键步骤。
第一轮调研可以让 AI 自己去发现什么东西有意思、什么重要、当前的科学理解是什么。等结果返回之后，你会发现其中对你来说更重要、更有意思的东西，然后你会让它发起第二轮、第三轮调研。也就是说，每一轮循环都是一个小小的 OODA，AI 可以自行完成——但是，这些循环之上还有一个大循环，人在这个大循环中的作用就是第二个 O，定向。
这个道理听起来很明白，但当前硅谷的精神是：不管你说人应该在哪儿起作用，最终都应该把那个作用交给 AI。我赞赏这个激进的态度，但我的确希望人仍然有用。
万 sir，有没有研究说，可以加大我们的「内存」？
这是一个非常有意思的问题，我这次又专门做了一番调研，结果可以说是既在情理之中，又很让人无奈。
首先，工作记忆确实是一个很重要的头脑指标，不同的人工作记忆的大小确实有差别。它跟一个人的流体智力（特别是智商）有将近 0.5 的相关性。工作记忆容量大的人，也更容易排除干扰、集中注意力。它确实有好处。
工作记忆落实到脑神经科学上，是由若干个脑区共同协调决定的。但是它是可以测量的，你把这个人请过来，做一番测试，你大概就可以测量出来他的工作记忆水平怎么样。测量的方法有多种：比如给你一组数字，让你短时间扫一眼，然后尝试复述，看能复述出来几个；再比如让你一边处理某些任务，一边给你一些干扰，看你的抗干扰能力怎么样；还有在你面前播放一组信号，看你能不能听出来新信号是之前的第几步信号，等等等等。
那你说，这个工作记忆能不能通过训练提高呢？有意思的事情发生了：以上所有这些测试任务都可以通过训练提高——但问题是，你训练的是哪个任务，你提高的就是做那个任务的水平。如果你换一个没训练过的任务，你的迁移能力非常小。而且我们前面刚说工作记忆跟智商有比较强的相关性，可是你通过做那些训练任务，并不能提高智商。
换句话说，训练提高的只是做特定任务的水平，而不是大脑的硬件本身。
这是怎么回事呢？研究者的推测是，人们在训练过程中其实是发现了解题技巧，也就是把它「分块」——说白了，也就是增加了大脑里的「图式」。所以我们《精英日课》专栏讲过好几次：智力游戏不能真正提高智力水平。
但这并不是一个非常坏的消息，这里的好消息是：做每个具体的任务的水平都可以提高，只要你进行有针对性的训练。
所以练习真的很有效，但是我们也真的不能不服天赋。
我理解，这是因为大脑是一个软硬结合的东西：你希望练硬件，也就是绝对脑力，但其实你是在练软件，也就是解题方法；但你说是练软件吧，这个软件其实又是用硬件实现的。
万 sir，您的课程里面会有很多漫画配图，结合着漫画看文章，就会觉得内容好理解一些。您在内容中介绍一些教学动漫会增加孩子们的认知负荷，请问这为啥不会增加认知负荷呢？
请把这理解成一种「艺术」，而不是严格的工程。有时候，女老师打扮得漂亮一点，可能会影响同学的注意力，但我们不能剥夺女老师打扮得漂亮一点的权利。
其实我在文稿里加了更多的漫画和插图，但有时候主编认为画得不是那么好，或者会干扰读者阅读，就给砍掉了一些。但最终还是保留了不少。这些插图也许会对有些人有用，也许对有些读者来说是个干扰，我们双方互相试错而已。
这就如同拍电影。有些导演的画面中没有一个元素是多余的，所有的事物都跟剧情密切相关。但也有一些导演，会一边描写一场激烈的街头打斗，一边还有闲情逸致拿出几秒钟，去描写路边一只鸟在如何喝水。
那个画面跟剧情没啥关系，但是会让你有一种更身临其境的感觉，仿佛自己也穿越到了那个历史现场。这只是风格而已。有些观众会有更多的闲情逸致，有些观众则更愿意把注意力集中在主线上。
我在 2025 年失业过一段时间，当时我在得到有 4.5 万粉丝，曾认真思考：如果把这些粉丝迁移到自己的自媒体账号，是不是能靠内容养活自己？我还设想过，前期流量不足时，可以一边送外卖补贴收入，一边慢慢运营账号。
但我没有只凭热情做决定，而是去找「参考类」。我发现，行业资料显示短视频创作者数量非常庞大，主播收入分化明显，超过九成主播月收入低于 5000 元。这说明自媒体不是没有机会，而是高度竞争、头部集中的行业。
再看外卖，骑手收入确实能提供一定现金流，有资料显示时薪大约在 20 到 30 元区间，高于不少蓝领岗位。但这份收入依赖时间、体力和持续在线。一旦白天跑单，晚上再做内容，很可能不是「双线发展」，而是两头消耗。自媒体最需要稳定思考和持续输出，而外卖只能解决短期现金流，无法支撑长期职业积累。所以我最后放弃了这个方案，决定继续找工作。
这也让我明白，做选择时，不要只找和自己相似的人，而要找相似的机制。所谓相似机制，是指观察事情背后的运行规律是否相同：流量从哪里来，收入如何转化，成本由谁承担，失败概率多高，以及自己能否持续投入资源。真正有价值的调研，不是为了鼓舞自己，而是帮自己清楚判断概率、成本和风险。
健康的比较应该从评判传向参考。比较的真正价值不是分出高下，而在于提供认知的视角和成长的路径。当将比较从评判转向参考，实质是将焦点从外部定论移向内在建构，不再执着于「谁更好」，而是关注「能从哪里学到什么」。
哪怕是知道「不同的人没有可比性」的观点，可是在生活里践行的时候，依然会不可遏制地要和别人比较。不是不能攀比，而是换一个攀比对象。如果你的攀比的参照物永远在外部：房子、车子、收入、孩子成绩、伴侣、身材。它带来就是焦虑、嫉妒、失衡，因为人的比较是无止境的。这也是内耗来源，因为你永远看见别人光鲜的一面，却拿来对照自己不完美的一面。还不如把攀比的对象变成爱拖延、害怕改变、敏感、容易被情绪操控的那个「旧的你」。你不需要赢过别人，而是「我要不再被过去的自己拖住」。前者消耗能量，后者积累力量。
比较是本能，但沉溺于比较，则是选择了一场内耗的游戏。因为你永远在拿自己生活的「幕后花絮」与别人生活的「精修海报」去比较。真正的幸福是在放下评分表，全情投入到属于自己的、不完美却真实的生活剧本里的那一刻。健康的比较应像镜子而非标尺，照见可能性而不是丈量成败。
一句话概括：本讲是一场问答合集——面对多重参照点撕扯、个人力量有限、AI 智能体该把人放在哪里、工作记忆能否「加大」等困惑，万维钢的主张始终一致：把能积累复利的资产当参照点，把「关于人的问题」翻译成「关于机制的问题」，用外部反馈校准内部判断，同时牢牢保住人在循环里的位置。
本总结由 AI 通读全文后生成，正文版权归原作者所有，仅供个人学习
我十二岁才第一次见到螃蟹，还是姨妈家里的罐头；十八岁上大学才见到凉席和蚊帐，我们青海年平均气温只有三度，那种东西在我们那儿没人需要，我甚至被同学嘲笑；二十四岁第一次坐飞机；二十七岁第一次看见大海；甚至到了四十岁，我才知道兔子喝很多不干净的水会死。你看，我这一辈子的参考样本，跟大多数人都对不上。如果非要用一个固定的参考类来框我，那我应该一辈子在高原上，没见过凉席没坐过飞机，更不应该知道兔子这种常识。可是我没有。我后来还是见到了螃蟹，用上了蚊帐，站到了海边。
我想起我老师讲过一个东西叫放大效应，在实验室烧瓶里做得漂漂亮亮的反应，搬到工业反应器里就不行了，温度场不一样，浓度分布不一样，传热传质全变了。不能说烧瓶里的数据是假的，它只是不能直接搬到塔器里用。人这一辈子其实也这样。出生在青海那个年平均气温三度的地方，那就是我的实验室烧瓶。我揣着那套数据走进更大的世界，发现好多东西都对不上。这些不是我的错，是我碰到了一个完全不同的操作条件。我需要的是重新做小试，重新摸参数。
一个东西能不能成，不取决于你这个人是谁，而取决于你面对的那个结构是什么。就像我们做工程设计，你不可能找到一座跟你一模一样的装置工艺去照抄，但是你可以查那个类似装置的工艺设计。那些规范、那些案例、那些失效分析的报告，它们不认识你，但它们能告诉你事情。
我当年想知道外面到底有多热，我不必非要找一个从青海去过广东的人，我只需要花几块钱买个温度计，或者上网搜一下广东夏天平均气温。数据不挑人，结构也不挑人。这就是工科的底子：你关心的不是那一个样本，而是样本背后的规律和参数。
人这一生，说到底就是在用自己的腿丈量自己的相平衡边界。每一步都不白走，每一个迟到的物性数据都不丢人。力量有限就有限吧，但只要还能迈腿，还能往里加新料，那些所谓的参考类就困不住你。你的操作弹性比你想象的大得多。