停止 AI 焦虑！四象限规则帮你做减法

2026年9月30日 🛸 AI科技

你有没有下面这些焦虑

AI 发展日新月异，急速迭代，概念、技术、产品层出不穷。
很多比较流行的 AI 相关的东西，我们不可能都花时间去了解、理解、深度使用研究。
一方面希望自己跟上 AI 的浪潮，另一方面自己的时间和精力又不允许。
而且，AI 迭代速度太快，刚出的产品或者概念，没过多久就过时了。
所以如何解决这些问题呢？四象限法则就可以帮助我们做出合理的判断。

什么是四象限法则

四象限法则由史蒂芬·柯维提出，用"重要性 × 紧急性"将任务分为四类：重要且紧急、重要但不紧急、紧急但不重要、不重要且不紧急，用于确定优先级并提升时间管理效率

很多人应该听说过这个概念，可能用过在时间管理上面，比如一些待办 todo 的应用，番茄时钟应用，把计划和待办做重要且紧急、重要但不紧急、紧急但不重要、不重要且不紧急四大分类，就可以帮助我们确定一件事的优先级，哪些先做，哪些按计划去做，哪些可以忽略不用急着去做。

那么这个规则又如何帮助我们解决 AI 焦虑呢？

这是通过宝玉老师的文章学到的 AI 发展太快跟不上？一张四象限图帮你做减法

解决 AI 焦虑：用"生产力"和"保鲜期"做减法

解决 AI 焦虑，就问这两个问题：

它离我当前的生产力有多近？（能不能让我现在的活干得更快或更好？）
这个知识的保鲜期有多长？（三年后还能用，还是三个月后就改名了？）

把这两个问题作为横纵轴，就能把 AI 资讯分成四类，对应四种完全不同的处理方式：

直接跳过（离得远 + 保鲜期短）：比如每个月变的模型跑分排名、某家 AI 公司的融资八卦、各种不知名的小套壳。这些是噪音最密集的地方，过早关注只会增加沉没成本。如果它真重要，半年后你自然会听到。
维持地图感（离得远 + 保鲜期长）：比如 RAG（检索增强生成）、思维链（CoT）、Scaling Laws。你不需要自己去写代码实现它们，但你得知道它们是什么、能解决什么问题。花 15 分钟读篇好文章，确保和同事聊天时能听懂就行，不动手，不装环境。
浅尝辄止（离得近 + 保鲜期短）：比如某个刚火的 AI 画图工具的具体提示词套路。它确实能帮你省时间，值得花几个小时上手试试。但千万别花一周去精通它的每个参数，因为产品形态可能下个月就大变，你积累的特定技巧会一夜贬值。
深度死磕（离得近 + 保鲜期长）：这是真正值得投入精力的地方。比如软件工程的核心思维、上下文工程（Context Engineering），或者像 Claude Code 这样有大厂持续投入的核心编程智能体。深度使用一个核心工具带来的复利，远大于浅尝十个新玩具。

四象限法则，让你的 AI 变得更强大

最近有一个基于"乔哈里视窗"改造的 AI 提示词框架非常火。它把人和 AI 的认知分成了四个象限。如果你能把这四句话写进你的系统提示词（System Prompt）里，AI 的产出质量会有质的飞跃。

1. 共同已知（我和 AI 的已知）：给足背景，让它闭嘴干活
先确认任务目标、已有背景、交付标准和明确边界。信息给充分了，就直接告诉它：“信息已充分，请直接执行，不要重复询问或说废话。“这能极大消除 AI 那种令人烦躁的"过度礼貌"和无效反问。

2. 我的已知（但 AI 的未知）：喂给它你的"潜规则”
AI 不知道你老板的审美偏好、你们公司的历史遗留代码规范，或者某个业务的真实限制。如果这些信息缺失会搞砸结果，你必须说出来。如果信息太多，可以定个规矩：“如果缺失关键信息，最多向我提 3 个问题；否则，请基于你的合理假设，先给我一个探索版本。”

3. 我的未知（但 AI 的已知）：让它来挑你的刺
这是把 AI 当"思考伙伴"的关键。明确告诉它：“不要局限于我的原始方案。请主动补充我没考虑到的知识、方法、潜在风险和替代方案。如果我的前提可能错误，请直接指出，并给出更优建议及取舍依据。”

4. 双方未知：别瞎猜，设计个最小实验
遇到前沿问题或复杂业务，谁也给不出完美答案。这时候提示词应该引导 AI：“我们把这个问题转化为可验证的假设。请帮我设计一个最小实验（MVP），说明要改变的单一变量是什么、成功或失败的信号是什么，以及后续需要回收什么数据。“用科学实验的思路，代替拍脑袋决策。

1. 双方已知：先确认任务目标、已有背景、交付标准和明确边界。信息充分时直接执行，不要重复询问。

2. 我的已知、你的未知：识别可能只存在于我脑中的真实语境、审美偏好、现实限制。若缺失信息会显著改变结果，最多提出 3 个关键问题；若不明确你的合理假设，先完成探索版本。

3. 我的未知、你的已知：主动补充我没考虑到的知识、方法、风险和替代方案。不要局限于我的原始方案，如果我的前提可能错误，请直接指出，并给出更优建议及取舍依据。

4. 双方未知：识别无法仅靠现有信息确定的问题，把它们转化为可验证的假设，设计最小实验，说明要改变的单一变量、成功/失败信号，以及后续需要回收的数据。