序言

片段的时代

在这本书之前，我经历过多个深度使用 AI 的项目，也就是人们常说的 Vibe Coding：把真实的工作大量交给 AI 完成，在合作中逐渐了解它的工作方式。

那个阶段，我的知识来自两个渠道。一个是我自己：在项目中遇到真实的问题，分析它、解决它、把经验记下来。另一个是他人：阅读大量文章，学习别人总结的技巧与心得。两个渠道都有收获，但时间久了，一个不满足逐渐清晰：这些经验是碎片的、孤立的。

这个技巧有效。为什么？那个做法更好。凭什么？扮演反方为什么有用？思维链为什么有用？为什么项目做久了，就不得不维护越来越多的背景资料？每个问题都有答案，但所有答案都不通往同一个地方。技巧越攒越多，它们之间的关系却没有人知道。

从一个问题开始

转折始于一个朴素的问题。我开始与 AI 探讨：AI 为什么会犯错？会犯哪些错？

第一次的理论形态很快出现了，我当时姑且把它叫作“目标函数陷阱”：在这个解释里，AI 的错误源于它被困在自己的优化目标里，太擅长完成你给的目标，以至于看不见目标本身可能是错的。这个解释有启发，但还不够，它描述了一个困境，却没有给出出口。

接下来的探讨中，浮现出一个关键词：AI 认知校准。我继续追问：如果 AI 需要被校准认知，那么“第一性原理”这个技巧，校准的到底是什么？

这个答案让那次讨论转了一个方向：认知校准的本质，是探索解空间——第一性原理校准的，是搜索的起点。

这是“搜索”这个词第一次出现。此后，AI 开始用“搜索”解释那些熟悉的技巧：第一性原理是重置搜索起点，对抗性审查是开辟相反的搜索方向，长期主义是拉长搜索的时间维度，多角色是从不同的入口发起搜索；系统思维——我自己的一个研究课题，AI 从历史记忆里把它取了出来——原来是在扩大搜索空间。

但解释了一个个技巧之后，新的不满足出现了：穷举没有尽头，技巧是列不完的。于是问题从列举转向分类：搜索起点、搜索方向、搜索边界、搜索维度、搜索过程（这些名字后来几经调整），构成了理论最早的架构雏形。

说实话，走到这一步时，我觉得写一篇公众号文章就足够了。

是接下来的抽象让它变成了一本书。五个类别继续归并，收敛为目标、空间、运行三层；再往后，我意识到还有一个经常被忽略的因素：模型在训练里已经拥有的能力，我们叫它搜索先验。以它为核心补上搜索初始化，四层模型才最终成形。

另一半，来自我自己的项目

如果说“一次搜索”的理论是在对话中形成的，那么它的另一半——长期搜索——则来自我自己的工作方式。

在一个长期迭代的实际项目中，我发现自己一直在做一类事情：维护项目的背景资料。探索初期，从一个想法出发，我会先让 AI 聚焦于产品的创新点，逐步明确产品内核、受众群体和使用场景，直到定义出产品气质。到了设计环节，我需要确定设计风格，以及它如何始终遵从那个产品气质；到了研发环节，技术架构的选型要同时考虑受众需要与产品未来的演化。而在研发过程中，我还保持着一个多年的习惯：从每一个具体的问题里总结、沉淀规则，再用这些规则推进后续工作，让工作逐渐稳定下来。

当我回头审视这套做法时，那些需要长期维护、动态迭代的东西——产品内核、气质、规范、规则——似乎不属于一次搜索的四层模型，但它们又在持续影响每一次搜索。顺着这个方向，结合前面的理论，我借助 AI 把经验线索串了起来，最终定义出“搜索配置”与“搜索演化”这两部分。书里关于长期搜索的另一半理论，就是这样补上的。我在项目里除了使用单个技巧，也会把多个技巧按工作需要排列组合、持续运转，这可以理解为“编排”。

一次搜索的四层，长期搜索的配置与演化，至此连接起来。之后的工作，就是把这团直觉持续地抽象、检验、修正，这本书便由此形成。

这本书的定位与边界

先说清楚这本书不是什么。它不是 Prompt 技巧大全——理解了理论，技巧可以自己推导。它不是 Agent 开发教程，不是模型原理介绍，也不是 AI 产品教程。

它是一套关于 AI 如何进行认知搜索，以及人如何设计搜索系统 的理论。准确地定位它，需要一句话：本理论不是对 Transformer、训练算法或模型内部计算过程的替代解释，而是建立在现代大语言模型之上的认知层理论。它关心的是 AI 在执行复杂认知任务时呈现出的行为规律，以及人如何影响这种规律。模型理论解释模型如何获得能力，本书讨论这些能力如何在认知搜索中表现，以及人如何设计相应的搜索系统。至于信息检索、训练方法、硬件架构，书中不展开讨论，它们属于不同的研究层次。

这本书的结构

全书五篇十八章，按一条线索展开：

第一篇建立世界观：从认知任务的角度看，AI 的行为可以抽象为在认知空间中进行搜索。第二篇拆解一次搜索：搜索初始化、搜索目标、搜索空间、搜索运行，四层共同影响每一次回答。第三篇进入长期项目：搜索配置持续塑造每一次搜索，搜索演化让整个系统不断调整。第四篇回到工程实践：Prompt、Context、Memory、Workflow、Agent，被重新解释为同一套搜索系统的五个侧面。第五篇走进四个实践领域：AI Coding、AI 产品设计、知识管理、企业 AI。

第一篇的三章不是重复证明同一个结论。第一章只处理“为什么 AI 会顺着提问者走”，把输入造成的起点、方向和范围辨认出来；第二章追问这些条件之后如何形成路径，解释概率、分叉和遗漏；第三章才把前两章的观察整理成四层模型，并接上长期配置与演化。带着这个分工阅读，后文的术语会更容易找到出处。

读完这本书，最小的行动闭环只有六步：明确这次搜索要解决的目标，补足必要的起点信息，划定允许探索的范围，安排执行与验证方式，记录结果中的有效经验，再把值得复用的经验更新进配置。它不是一份固定模板，而是一张在遇到问题时可以展开的检修图。

如果只想先记住四个词，可以这样理解：认知搜索描述 AI 在做什么；搜索配置描述长期维护什么；Context描述这次搜索实际带入和组织了什么；搜索演化描述系统如何根据结果发生变化。搜索初始化、目标、空间和运行，是分析一次搜索时再展开的四个维度。

你也可以在阅读过程中做一个小实验。选一个自己熟悉、但没有现成答案的任务，连续进行三次：第一次只写任务；第二次补上目标、约束和成功标准；第三次再加入项目背景、已有决策以及验证步骤。不要只凭“感觉更好”判断结果，记录每次的错误数量、返工次数、完成时间、需要人工纠正的地方，以及是否出现了新的遗漏。这个实验不负责证明理论，但能帮助你判断四层模型是否提供了额外的诊断价值。

三个阅读约定，提前交代。每一章都从一个具体问题开始，而不是从定义开始——你读到的每个概念，都会先看到它要解释的现象。每一章的结尾都回答同一个问题：“它改变了搜索系统哪一部分？”——这是检验概念是否真正落到搜索系统中的方法。书中的术语首次出现时括注英文，此后全书统一使用中文，一个词只有一个含义。

关于本书的创作方式

有一件事应当坦然写明：本书内容的创作使用了大语言模型。

这并不需要遮掩。一本主张“人与 AI 协作的本质是设计搜索系统”的书，如果它的诞生过程与这套主张毫无关系，反而会产生矛盾。实际的过程是：人负责目标与评价，决定理论往哪个方向走、每一章要回答什么问题、什么样的表达算好；AI 参与搜索，负责初稿展开、案例整理和文字打磨。内容创作前的基线文档，是这次写作的搜索配置；逐章的审稿与统稿，承担了运行层的验证与闭环。序言里讲的从碎片到理论的过程，本身也是一次从经验到规则的提炼。这本书的写作过程，确实使用了书中的方法。

这也意味着，书中出现的错误，最终责任仍由设计和使用搜索系统的人承担——这正是第五章的观点。

一点说明

这套理论是开放的。它不声称解释 AI 的全部现象，并且明确写下了自己的可证伪条件。例如，若 Prompt、Context、Memory、Workflow、Agent 无法被统一解释为搜索控制，或改变搜索控制参数并不能改变 AI 的行为，理论就站不住。你可以在自己的项目里检验它，用实际结果判断它的解释力。

最后值得一提的，是这套理论自身的来历：它诞生于两次搜索的交汇处，一次发生在与 AI 的对话里，从“AI 为什么犯错”抵达解空间；一次发生在一个项目的长期迭代里，从产品内核抵达规则与编排。如果你读完这本书之后，在自己的项目里使用它、检验它、修正它，这套理论也会进入新的演化过程。

2026 年 7 月