这是本质，还是现象？一个帮你升级认知的思维习惯
这是本质，还是现象？一个帮你升级认知的思维习惯
最近我突然意识到一件事。
从一个场景说起
前几天和几位基础相对薄弱的同学讨论大模型使用，我发现一个有意思的现象：
明明是各方面评分都很强的模型，他们用一些简单应用效果却不好。他们通常会这样抱怨：
“我明明让他怎样怎样，他却给我怎样怎样，连什么什么简单的事情都做不好。”
乍一听，好像是模型不行。
但那一刻我突然意识到——他们描述的，只是一个现象。
而真正的问题，藏在现象背后。
一问，打开另一扇门
这个场景让我开始反思：
我们在发现问题或表达问题的时候，是不是应该多思考一句：这是本质还是现象？或者说，是你所认知到的本质，还是你所认识到的现象？
我意识到，很多人（包括我自己）在表达问题的时候，常常停在现象层：
- 现象：模型输出不符合预期
- 本质：提示词表达不精准、对模型能力边界认知不足、任务拆解方式有问题
大多数人抱怨"模型不行"，但如果愿意多追问一句：“这是现象还是本质？”
这一问，可能就是认知升级的开始。
用 Harness Engineering 来解释
最近AI 圈经常讨论的 Harness Engineering 可以很好地解释这个问题。
核心定义很简单：
Agent = Model + Harness。你不是模型，那你就是 Harness。
Harness 是模型之外的一切——系统提示词、工具调用、文件系统、沙箱环境、编排逻辑、反馈回路、约束机制。
打个比方：
- 模型是 CPU，Harness 是操作系统
- CPU 再强，OS 拉胯也白搭
这个概念让我豁然开朗。
原来，当我们说"模型不行"时，现象是输出不理想，本质往往是 Harness 没搭好——可能是提示词不清晰、工具调用时机不对、任务没拆解清楚……
模型本身不是问题，问题在于围绕模型搭建的那套"工作环境"。
这让我重新理解了一件事
这个视角让我重新理解了一个普遍现象：
为什么同样的模型，有人用得飞起，有人用得鸡肋？
- 有 Harness 思维的人 → 会搭建完整的工作环境 → 模型表现出"聪明"
- 缺乏 Harness 思维的人 → 把模型当许愿机 → 模型表现出"笨"
模型还是那个模型，差的是你搭建 Harness 的能力。
换句话说：
模型决定上限，Harness 决定底线。与其纠结选哪个模型，不如先把 Harness 搭好。
这个认知对我来说很重要——它让我从"抱怨工具"转向"审视自己"。
这个思维习惯，不止适用于 AI
写着写着，我发现这个追问——“这是现象还是本质？”——其实不仅适用于 AI 使用，也适用于很多其他场景：
- 产品反馈：用户说"不好用"——是功能问题还是学习成本问题？
- 团队协作：同事说"这事推不动"——是流程问题还是利益问题？
- 个人成长：我觉得"最近很忙"——是事情多还是效率低？
每一次追问，都是在练习透过现象看本质。
这个习惯一旦内化，表达会更精准，决策会更准确，沟通会更高效。
写在最后
这篇文章的起点，只是我和同学们的一次讨论。
但写到最后，我发现这个追问的价值远不止于此。
下次当你发现问题或表达问题时，不妨停一秒，问自己：
“这是本质，还是我眼中的现象？”
这一问，可能就是认知升级的开始。
参考资料：
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
9
0- 0
已为社区贡献8条内容
所有评论(0)