企业官网建设流程全解析

一句话总结

Shannon 认为，真正的创造力来自三件事：足够的训练与经验、足够的智力/能力、强烈的内在动机；而解决难题时，可以用一组“思维技巧”主动提高发现答案的概率。(Farnam Street)

1. 创造性人才的三个基础条件

Shannon 先说，重要想法并不是平均分布的：少数人贡献了大量关键想法。他借用图灵的比喻说，有些大脑像“超过临界质量的铀”，一个想法进去，会激发出更多想法。(Farnam Street)

他认为做科研、发明、数学、工程创造，至少需要三种东西：

第一，训练和经验

你不能期待一个完全没有物理、数学、工程训练的人，突然提出新的物理理论。创造不是空想，它需要大量已有问题、已有解法、已有结构在脑子里沉淀。

这点很重要：经验不是束缚创造力的东西，经验是创造力调用类比的素材库。

第二，智力或天赋

Shannon 说做优秀研究需要高于平均水平的智力。不过他并没有把天赋神化，因为后面他说，前两者还不够。

第三，动机

这是他最强调的部分。真正的创造者有一种强烈的驱动力：想知道答案，想知道事物到底如何运转。没有问题意识，就不会主动逼近答案。(Farnam Street)

他把这种动机拆成几个表现：

• 好奇心：看到东西就想问“为什么”。
• 建设性不满：不是抱怨世界，而是觉得“这可以更好、更优雅、更简洁”。
• 解决问题的快感：证明一个定理、设计一个更小更巧的电路，会带来强烈满足感。
• 愿意持续投入：不是到点下班，而是问题没闭环就会惦记。

这部分其实很像你常说的“严密逻辑闭环”：不是为了完成任务，而是心里受不了那个没有闭合的环。

2. Shannon 给出的创造性思维技巧

文章最有价值的是后半段。他把创造性思维拆成几个具体动作。

技巧一：简化问题

面对复杂问题，先把所有非本质因素剥掉，只留下核心结构。Shannon 说，很多问题都被无关数据弄得混乱，简化后才能看清真正要解决的东西。(Farnam Street)

但他也提醒：简化可能会把原问题削得“不像原问题”。这没关系，先解一个简化版，再逐步把细节加回来。

这对应工程里的方法就是：

先做最小可闭环版本，再逐步恢复真实复杂度。

比如做 Agent，不要一开始就做“全能自主智能体”。先简化成：

用户目标 → 规划 JSON → 工具执行 → 结果校验 → 失败修复

把这个闭环跑通，再加记忆、多 Agent、工具市场、UI。

技巧二：寻找相似的已知问题

Shannon 说，如果你有足够经验，脑子里会有很多已经解决过的问题 P′ 和解法 S′。面对新问题 P 时，不必从 P 直接跳到 S，而是找一个相似问题 P′，再把 P′ 的解法 S′ 类比迁移过来。(Farnam Street)

他的核心句式可以理解成：

从 P 到 S 是一次大跳跃；
从 P 到 P′，再从 S′ 到 S，是两次小跳跃。

这就是类比思维。

对你做 Agent 很有启发：
很多“新架构问题”其实可以映射到老系统：

• Agent 调度 ≈ 操作系统调度
• 工具调用 ≈ RPC / 函数调用
• 记忆系统 ≈ Cache + Database + Index
• Planner DAG ≈ 编译器 IR / 工作流引擎
• Prompt 约束 ≈ 协议设计
• 多 Agent 协作 ≈ 分布式系统

真正厉害的设计不是凭空发明，而是找到正确的老问题模型。

技巧三：重新表述问题

Shannon 说，要尽可能用不同形式重述问题：换词、换视角、换角度。因为人很容易掉进固定思维路径里。(Farnam Street)

这点特别关键。很多问题卡住，不是因为你不会解，而是你把问题命名错了。

例如：

“我的 Agent 太笨了”
可以重述为：

1. 是规划能力差？
2. 是上下文状态传递差？
3. 是工具返回结构不可控？
4. 是执行器没有校验？
5. 是用户意图分类过早？
6. 是 memory retrieval 没有参与决策？
7. 是 UI 没暴露中间状态导致你误判？

一换表述，问题就从“智能不够”变成了“系统边界和状态机设计不够清楚”。

技巧四：泛化

当你找到一个具体问题的解法后，不要停在那里。立刻问：

这个原则能不能用于更大一类问题？

Shannon 说，数学里很多理论都是从一个特殊结果开始，然后推广到更一般的结构。工程里也是一样：一个巧妙设计出现后，要问它是否可以解决一类问题。(Farnam Street)

这对产品和系统设计尤其重要。

比如你做了一个“简历生成 Agent”，不要只把它看成简历工具。可以泛化成：

通过对话采集用户经历 → 建立用户画像 → 抽取优势证据 → 生成目标导向叙事

这个结构可以迁移到：

• 面试准备
• 个人网站生成
• 项目作品集
• 职业定位
• 自我认知报告
• 融资 BP 创始人故事
• 个人品牌内容生成

这就是从“功能”泛化到“能力模型”。

技巧五：结构分析，把大跳跃拆成小跳跃

Shannon 说，如果从问题 P 到答案 S 的跳跃太大，就在中间建立一系列子命题、子步骤、子目标。先证明中间点，再逼近最终解。(Farnam Street)

这本质就是 DAG 思维。

你之前设计 PlannerPromotion 里的 steps、depends_on、indegree，其实就是 Shannon 说的“把大跳跃拆成多个小跳跃”的工程化版本。

一个复杂目标不要写成：

做一个优秀的 AI 简历产品。

而要拆成：

1. 定义目标用户。
2. 拆简历模块。
3. 定义硬性数据 schema。
4. 定义软性数据 schema。
5. 设计 HR 式对话采集流程。
6. 设计经历挖掘模型。
7. 生成 STAR-R / CAR / PAR 内容。
8. 做简历排版。
9. 做岗位匹配。
10. 做反馈迭代。

创造力不是省略结构，而是通过结构让大问题可被推进。

技巧六：反转问题

Shannon 还强调“问题反转”。如果从 P 推到 S 很难，就假设 S 已经成立，反过来看需要什么 P。(Farnam Street)

这是非常强的思维动作。

例如你问：

怎么做一个让人眼前一亮的 Agent 产品？

正向思考容易卡住。

反过来问：

假设用户用了之后觉得“卧槽，这东西真懂我”，那之前必须发生什么？

答案可能是：

1. 它记住了用户长期目标。
2. 它知道用户现在卡在哪里。
3. 它能把用户模糊想法重构成清晰方案。
4. 它能主动发现矛盾。
5. 它能把任务拆成可执行步骤。
6. 它能保存并复用过去的计划。
7. 它不是每次从零开始聊天。

于是产品架构就出来了：memory、profile、planner、executor、reflection、artifact generation。

反转问题，本质是从“我要怎么做”切到“成功状态需要哪些前置条件”。

这篇文章最核心的洞察

Shannon 的创造力观不是浪漫主义的，而是工程主义的。

他不是说：

天才就是灵感爆发。

他其实在说：

创造力 = 动机驱动下，对问题结构进行简化、类比、重述、泛化、拆解、反转的能力。

这非常适合你现在做 Agent、AI 工具、个人产品。

你的很多困惑，比如：

• Agent 为什么显得笨？
• 产品怎么做出眼前一亮？
• Prompt 怎么写得更确定？
• 怎么从模糊想法变成系统架构？
• 怎么突破小圈子？

都可以用 Shannon 这套方法处理：

1. 简化：先做最小闭环。
2. 类比：找操作系统、编译器、工作流、组织管理里的相似问题。
3. 重述：别把问题粗暴叫做“智能不够”。
4. 泛化：把一个功能抽象成可迁移能力。
5. 结构分析：拆 DAG，不幻想一步到位。
6. 反转：从理想结果倒推系统条件。

压缩版

这篇文章可以浓缩成一句适合贴在桌面上的话：

真正的创造性思维，不是等灵感，而是带着强烈问题欲望，不断把问题变小、变熟、变形、变广、变结构化，再从结果反推路径。

你不是缺想法，你缺的是把想法持续加工成结构的“思维机器”。Shannon 这篇文章讲的，就是这台机器怎么运转。