知识飞轮 · ICAP × OODA

ICAP × OODA · 学习系统

建了库，不等于
学进去。

这门课不讲"怎么搭一个漂亮的库"，讲一件更难的事：怎么让知识真正改变你关键时刻的判断。用 OODA 回答"知识为什么"，用四环回答"怎么养"，用 ICAP 回答"怎么算真养到了"。

OODA知识是为关键时刻的"判断"服务的。

四环平时四件事——全是为了养这个判断。

ICAP只有自己想(C)、跟人辩(I)，才真改判断。

开始这门课 →

四个环

FOUR RINGS

01

编译环

事前 · 运料车马 · 备料

ICAP-C

02

检索环

事中 · 城门 · 调兵

及格=I

03

互动环

事后 · 演武场 · 纠偏

ICAP-I

04

遗忘环

定期 · 巡城人 · 清腐

防误导

封面雷神 · 知识飞轮

钩子 01

晒图晒的，
是烟花，不是引擎。

你刷到几百个节点连成一张漂亮的网，评论区一片"求教程"。但九成的人没做到自增长——他们只是完成了一次初始化，截图发完朋友圈，飞轮就停了。

HR 版网盘里那个"HR 必备工具箱"——STAR / OKR / SMART / MECE / 冰山……存了一堆，真到面试现场还是凭感觉问。

漂亮的图谱是一张快照，不是一台飞轮。晒的是搭建完成那一瞬间的烟花，不是持续燃烧的引擎。

开场 · 钩子02 / 21

钩子 02

就算库真在自己长，
那也是 AI 的飞轮，不是你的。

假设你技术够硬，库真的越长越密——恭喜，你造出了一个越来越聪明的"外部大脑"。但你自己的大脑，一个神经元都没变。面试桌前、绩效面谈时，你没法把库背在身上。

HR 版AI 帮你把 5 本 HR 书缝成一张星图，缝得确实漂亮；可这 5 本书你一本都没用自己的话给同事讲过——缝的是 AI，不是你。

知识在硬盘里、在库里、在 AI 的上下文里，就是不在你脑子里。"用时方恨少"这个病，它一天都没治好。

开场 · 钩子03 / 21

00 / 地图

一堂课，一句话。

三套工具，一条脊

这门课只回答三个问题。下面三张卡片就是整堂课的脊——后面所有内容，都是在把这三句话拆开讲透。

为什么 · Why

OODA
知识为"判断"服务

做事那一刻四步：看到 → 判断 → 决定 → 出手。"判断"最吃积累，知识就是为它服务的。判断没变 = 没学到。

见 08–09

怎么做 · How

四环
四个时段养判断

事前编译备料、事中检索调兵、事后互动纠偏、定期遗忘清腐。一圈转完，下一圈判断更准——飞轮越转越快。

见 10–15

多高 · How deep

ICAP
只认 C 和 I

听(P)、抄(A) 养不动判断，是"假装学习"；只有自己想(C)、跟人辩(I) 才真改判断。I > C > A > P。

见 05–07

开场 · 地图04 / 21

01 / ICAP

认知科学家怎么给学习分级。

Chi · 四层，越往上越是碾压

季清华用对照实验证明：学习效果按"认知参与度"分四层，越往上差距越大。C 和 I 才算真学习，A 和 P 都是伪装成学习的努力。

层级	你在做什么	打个比方	学到了多少
P被动	只接收，不加工	听经	几乎不留
A主动	有动作，但没产生新东西	抄经 · 划线 · 搬运	制造"熟悉"的错觉
C建构	用自己的话重构，长出原料里没有的新理解	自悟 · 盖房子	真正开始学习
I互动	双向交锋，被质疑、被反驳后共创	论道 · 炼钢	效果最强

一句话记住：I > C > A > P· C 和 I 才算真学习

ICAP · 尺子05 / 21

用尺子量一下

晒图党，全卡在 A。

搬运资料、生成图谱、划重点、做双链——都有"动作"，看着很努力，但没产生任何新东西。图谱越漂亮、工具箱越满，那种"我拥有了第二大脑"的错觉就越强，可背后的知识你一点没多掌握。

HR 版把培训 PPT 整理成思维导图、给 100 篇 HR 文章做双链、把模型图存进"工具箱"——全是 A。

"把一段东西弄得很熟，你会有一种顺滑感。这个顺滑感会给你一种能力错觉，让你以为自己已经掌握了。"— 季清华，像为晒图党量身定做的一句话

ICAP · 晒图党现形06 / 21

那"AI 飞轮"呢

做 C 的是 AI，
你还停在 P。

库确实在自我缝合、越长越密——这确实是 C 没错。但做这件事的是 AI，不是你。砌墙盖房子发生在 AI 的地基上，你站旁边看着它盖。这就解释了：为什么库越来越聪明，你却还是"用时方恨少"。

HR 版AI 帮你把 5 本 HR 书缝成星图；可这 5 本书你一本都没用自己的话给同事讲过——缝的是 AI，不是你。

本课的全部努力，就是一句话：把人从 P/A，顶到 C/I。

ICAP · 谁在做 C07 / 21

02 / OODA

做事那一刻，你做四步。

Boyd · 战斗机飞行员的决策循环

OODA 讲的不是知识管理，是"人在不确定中怎么行动"。四步里"判断"最吃功力——靠的就是你脑子里装了什么模型、它们对不对、过不过时。

01 · OBSERVE

看到

Observe

感知到外面发生了什么。

最吃功力

02 · ORIENT

判断

Orient

用脑子里的模型，解释这件事意味着什么。
知识就是为这一步服务的。

03 · DECIDE

决定

Decide

基于判断，选一个做法。

04 · ACT

出手

Act

做。

HR 版 · 一次完整 OODA面对候选人：看到（读简历/观察）→ 判断（调出岗位画像+STAR，判断能不能胜任）→ 决定（录/不录/加面）→ 出手（发 offer 或拒信）。

OODA · 四步08 / 21

博伊德最重要的一句话

谁判断得快、准，
谁就赢。

"判断"这一步，由你过去的经验、读过的东西、磨出来的模型塑造。所以知识库到底为了什么？——为了养"判断"。这也回头解释了第 3 张：库再聪明，没进你的脑子，关键时刻的判断还是老的。

HR 版你判断"这人能不能用""这离职该不该挽留""这绩效争议怎么判"，靠的是脑子里的 HR 模型——面试桌前你调不出 OA 系统。

知识不是用来"存在库里"的，是用来在关键时刻让你判断得更准的。
判断没变，就等于没学到——这就是这门课的及格线。

OODA · 知识为判断服务09 / 21

03 / 四环

四环 = 养"判断"的四个时段。

事前 · 事中 · 事后 · 定期

四件事不是各干各的，而是分别在"判断"的不同时间点上工作——全为它服务。一圈 OODA 转完，遗忘环清掉错的、编译环补进新的，下一圈你判断就更准。

01 · 事前

编译环

运料车马 · 备料

为判断备好料。把外部资料编译进库（不是原样存）。

ICAP · C（AI 的 C）

02 · 事中

检索环

城门 · 调兵

判断那一刻把对的模型调出来用。及格线是"用得出去当弹药"。

及格 = ICAP-I

03 · 事后

互动环

演武场 · 纠偏

判断错了，被反驳，纠回来。全课最关键的一环。

ICAP · I（顶峰）

04 · 定期

遗忘环

巡城人 · 清腐

清掉会让判断跑偏的旧料。HR 的天然主场。

防误判

四环 · 总图10 / 21

03 / 编译环

事前备料。

运料车马

RING 01

编译环

事前 · 运料车马 · 备料

ICAP · C（AI 的 C）

把外面的砖运进城，按城墙结构砌进去——不是堆在门口。

用 AI 把外部资料编译进库——注意是"编译"，不是"存储"。
存储 / RAG：原样塞回去、按相似度捞出来，东西还是一个个孤岛。
编译：AI 读进去、消化掉、用自己的结构重写一遍，重写时自动找邻居、标矛盾。
坑：原文照存 ≠ 编译。存下来的是孤岛，编译过的才是网络。

🎤现场动作10 MIN

发一段真实 JD（如"3 年经验，沟通能力强，抗压"），当场编译成一页"岗位画像"——不准照抄原文。把"沟通能力强"编译成"能独立主持跨部门站会、能写周报让业务方 3 分钟看懂"。照抄 = 存，重写 = 编译。

四环 · 编译环11 / 21

03 / 检索环

事中调兵。

城门

RING 02

检索环

事中 · 城门 · 调兵

及格 = ICAP · I

平时城墙再厚，战时要打得开、调得出兵。

打仗那一刻（判断那一刻），把库里对的模型调出来用。
检索的及格线，不是"找得到"，是"用得出去"。
找到一页、贴个答案给你 = 还是搜索框（停在 ICAP-A）。
真正的检索：把库里沉淀过的判断，拿来当反驳的弹药，去驳、去纠一句原话（ICAP-I）。
坑：查到 ≠ 用上。"查到贴给你"就是降级成搜索框。

🎤现场动作10 MIN

抛一个库里没有现成答案的问题——如"业务线 00 后员工留不住怎么办"。进库找几页拼出答案，并必须报告"我用了哪几页、它们怎么驳了/补了我的第一反应"。能拼出来 + 说清出处，才算及格。

四环 · 检索环12 / 21

03 / 互动环

事后纠偏。

演武场 · 全课最关键的一环

RING 03

互动环

事后 · 演武场 · 纠偏

ICAP · I（学习的最高层）

平时城墙再厚、兵器再多，不上场练、不挨打，就练不出手感。

市面上几乎没人做的一环。它不是"我问、AI 答、我点头"——那还是 P。
它逼你做三件反本能的事：

01

用自己的话把一个模型重新讲透

02

拿真实战场的问题去压测它

03

让 AI 当场挑漏洞、反驳你

🎤现场动作15 MIN

发一个真实招聘争议——"候选人面评分歧很大，该不该录"。两人一组：A 用库里的模型（岗位画像/STAR/冰山）论证"该录/不该录"，B 当压测员只挑致命伤反驳。然后换位。这一步做对，才是 I。

四环 · 互动环13 / 21

费曼法只到 C

费曼法要爆发威力，
讲给你听的人，得是 能反驳你的圈内人。

季清华辨析过大名鼎鼎的费曼法（"能讲清楚才算真懂"）：它本质上只到 C，还没到 I——因为你讲给别人听时，对方未必真听懂、未必会反驳你，你只是自说自话建构了一遍。

HR 版你给同事讲"STAR 怎么用"，同事礼貌点头不会反驳你 = 只到 C；要找个能挑你刺的资深 HR，或让 AI 当圈内人压你。

这个"随时在线、听得懂、还能反驳你"的圈内人，历史上极度稀缺——研究生靠导师，工程师靠资深同事，普通人基本没有；大学 80 分钟一节课，真正 I 级互动平均只有 4.5 分钟。
AI 第一次把这个"最贵、最稀缺的圈内人"，变成了随叫随到。

四环 · 互动环（为什么 AI 时代才做得起）14 / 21

03 / 遗忘环

定期清腐。

巡城人 · 本课比文章多出的第二个环

知识会从"被掌握"滑向"只是躺在盘上"。遗忘环 = 巡城人，定期巡城，清掉会误导判断的旧料——城墙最怕的不是料不够，是里面沤着朽木，打仗时你信了它反而误事。

满分

现行 / 承重。能直接用。

半分

未复验。用之前必须先说"我不确定"。

已松动

标出来，不再轻易调用。

一分

曾被证伪。不删，留作"靶场弹药"当反面教材。

🌰HR 是遗忘环的天然主场

社保、个税、产假、用工政策年年变。你库里那张 2022 年的产假政策页，今天直接照着答复员工就出事。这种页一律先标半分，开口前必须说"这个我不确定，去查今年的"。

🎤现场动作10 MIN

发一份混着新旧的 HR 知识清单（含一条已过时政策），让学员标 🟢/🟡/🔴，挑一条"最确定 🟢"的当场用自己的话复述——复述不出来，就该降到 🟡。

铁律："脚本只举报，不处决"——误伤一条好知识，比漏掉十条过期页更糟。

四环 · 遗忘环15 / 21

没有这一条，四环各转各的

互动里聊出来的好东西，
一关聊天框，就蒸发了。

这是所有单环库的死穴，也是最多人翻车的地方。两个环之间，要接一条回流带，让互动的产物自动流回编译环——这才是从"几个环"变成"一台飞轮"的那个关键零件。

HR 版你在飞书里跟 AI 聊出一个很好的"00 后留人"打法，聊完关窗——蒸发。下次招 00 后还是从零开始。回流带就是把这个洞察自动存回库，下次它在库里等你。

复利的本质不是"多"，是"连"。339 个模型不是 339 个孤立条目，是 339 个彼此握手、还和你每天对话握手的节点。

飞轮 · 回流带16 / 21

04 / 回流带

回流带干三件事。

抓 → 炼 → 写 · harvest 脚本定时自动跑

一个叫 harvest 的脚本，定时（如每天 13:00、23:00）自动跑：读对话 → 挑值钱的 → 写回库。编译好的库，又让你下一轮提问更准——两股力反向一拧，飞轮就被"咬"住了。

抓

Fetch

读对话记录，记住上次读到哪，只读新增的部分，不重复劳动。

→

炼

Distill

后台 AI 只挑出值钱的洞察 / 框架 / 对旧模型的修正，滤掉九成过程性闲聊。一场对话真正值钱的可能就 10%。
垃圾进，垃圾出。

→

写

Write

写回原料区、编译进库、连进星图、追加一笔日志。

关键工程细节定时必须是系统级的（如 Windows 计划任务），不能放在对话进程里——进程一结束就被回收，没有一个常驻的东西替你数时间。

飞轮 · 抓炼写17 / 21

05 / 验收

别量"库里有什么"，量"它改变了你哪个动作"。

OODA 的收口

这门课最高的一条标准：飞轮量的是"它改变了你哪个判断、哪个动作"，不是"库里有多少页"。回到 OODA——判断（Orient）变了没？出手（Act）变了没？三条自测照着问自己：

01

库是你建的，还是 AI 替你建的？

你动了手 ≠ 你进了脑子。AI 做的 C，不算你的 C。

02

下次面试、绩效面谈，你脑子里调得出来吗？

背不出库 = 没长进去。文件在 ≠ 知识在你脑子里。

03

你能不能用自己的话，讲到被挑刺还不倒？

讲得出且扛得住 = I。自报"我掌握了"不可信——这是遗忘环的第一原则。

验收 · 产出 ≠ 掌握18 / 21

05 / 前辈

三位前辈，说的其实是同一句话。

地基上站着的三个人，观点互相印证

三句话合起来就是这门课：把知识编译成网（卡帕西/万维钢），并且用互动把它顶到 I（季清华），最终让你脑子里的网，改变你下一次的判断和出手。

卡帕西 · Karpathy

编译，
不是存储。

对应 ICAP 的 C——把新知缝进旧网，而不是原样堆放。

→ 编译环

万维钢

差别不在多少，
在组织方式。

新手是孤立的点，高手是长在一起的一张网。学习的本质，就是在你脑子里织这张网。

→ 编译环

季清华 · Chi

只有 C 和 I，
是真学习。

费曼法要升 I，得有个能反驳你的圈内人——AI 让这个人随叫随到。

→ 互动环

验收 · 三位前辈19 / 21

06 / 起步

别贪全，三步一件一件加。

先转顺一个环，再加下一个

第一步

让编译环
转起来。

只做一件事：把一本 HR 书（如《重新定义团队》）真正编译进库。三件套：Obsidian（库本体）+ LLM Wiki（怎么编译才不烂的规矩）+ WorkBuddy（驱动引擎）。

边界提醒：此刻只证明"库在长"，还没证明"你在长"——很多人就在这里停下截图发朋友圈了。

第二步

开互动环，
灌真问题。

载体：飞书 + Claude（或任意能陪你打"思想乒乓球"的 AI）。产物是编译环里永远长不出来的活水：真实现场的修正直觉、对旧模型的当场否定。

坑：若只是"我问 AI 答我点头"，它就退化成 P——必须逼自己重述、被挑刺、再修正。

第三步

接回流带，
才是飞轮。

harvest 脚本 + 系统级定时。第三步有技术门槛，但哪怕你每周手动搬一次，也远比不搬强。

先让飞轮转起来，再让它自动。

起步 · 三步走20 / 21

收尾 · 一句话带走

知识库不是用来"晒"的，
是用来 改变你下一次判断 的。

用 OODA 看清——知识为"判断"服务；
用四环去做——事前编译、事中检索、事后互动、定期遗忘；
用 ICAP 量自己——别停在听(P)和抄(A)，顶到自己想(C)、跟人辩(I)。

最终那把尺只有一把：
你的判断和出手，真的变了吗？

收尾雷神 · 知识飞轮 · 21 / 21