让 AI 真正发散：从问题界定到多方案生成的方法与提示词

2026-11-12

约 66 分钟

经常和 AI 协作的人，多半遇到过两种情况：问题还没想清楚就开始动手，做到一半发现方向不对；让 AI 出方案、出设计、出点子，几个结果长得差不多。这篇整理了 AI 输出趋同的原因、动手前界定问题的方法，以及通过改变搜索区域和生成顺序拿到几份真正不同方案的做法，每一步都附可以直接复制的提示词。

一分钟看懂#

原因：对齐训练让模型偏向典型、稳妥的回答，研究者称之为典型性偏差（typicality bias）。[1] AI 能把单个点子写得比多数人好，同一批点子却彼此相似。[2][3]

做法：「要有创意」「再大胆一点」这类措辞几乎不起作用，连续要求「更大胆」甚至让点子池的多样性下降。[3] 有效的做法都在改流程：改变模型搜索的区域，改变生成和交流的先后顺序。

分工：AI 召回候选的能力强，判断哪些候选在结构上相关的能力弱。[4] 所以让 AI 负责把候选撑开，人负责判断和选择。

一次完整的发散分六步。小问题只走其中两三步，选错代价大的问题六步都走。

判断投入

目标：按问题大小决定发散到什么程度（第二章）。

你：判断三件事：选错后难不难回滚，候选方案是否真的不同，还有没有没查清的事实。

产物：S、M、L、XL 中的一档投入。

界定问题

目标：确认真正要解决的问题，避免对一个错误的问题高质量发散（第三章）。

你：回答提问，纠正 AI 的猜测，决定这次不做什么。

AI：给出几种不同的问题定义，每次只问一个会改变定义的问题。

产物：一句话问题定义、成功标准、排除项、最大的未知。

搜集信息

目标：让构思用的原料足够异质（第四章）。

你：先写下自己想到的三个方向，再看资料。

AI：分同行、邻近领域、远领域、失败案例、小众案例、用户抱怨六类搜集，把每个案例压成机制卡。

产物：机制卡和一份常规机制的禁用清单。

展开空间

目标：让候选落在方案空间的不同区域（第五章）。

AI：定义差异维度，排除常规机制，从概率尾部取样，接收模型外部的随机刺激。

产物：一批标明维度坐标的候选。

隔离生成

目标：避免几个生成器互相看齐（第六章）。

你：开几个互不共享上下文的会话或子 agent，必要时换不同厂商的模型。

AI：各自独立生成，完成之前不看其他生成器的结果。

产物：匿名的候选池。

画地图并选择

目标：弄清手里实际有几类方案，再做决定（第七章）。

你：选方向；选定后固定关键约束，结束发散。

AI：聚类，标出近重复和空白区域，每类留一个代表，不把几类融合成一个折中方案。

产物：概念地图和选定的方向。

不同场景的常用组合：

场景

常用组合

主要章节

理清核心目标

多种问题定义、目标上追和下拆、采访式提问、停机清单

开发选方案

方案族地图、互斥约束的并行候选、Spike、ADR

设计概念

概念空间矩阵、职业视角分开生成、低保真草图、概念距离检查

产品点子与内容选题

先搜集再构思、差异维度、排除常规机制、普通人视角

四、五

卡住了

外部随机词、Oblique Strategies 卡片、逆向头脑风暴

选错代价大的决定

隔离生成加跨模型、概念地图、补空白一轮

六、七

AI 输出趋同的原因#

AI 给出的方案彼此相似，主要原因在模型的训练方式，和提示词写得好不好关系较小。理解这一点，才能判断一条「发散提示词」是在改措辞，还是在改模型搜索的区域。

预训练与对齐训练的两层收窄

第一层收窄来自预训练。模型学的是「给定上文，下一个词最可能是什么」，用户问「给个人博客想栏目」时，语料里和「个人博客」「栏目」高频共现的概念（教程、周报、工具推荐、读书笔记）获得较高概率。没有额外结构时，模型会反复在这些高概率区域附近生成。

第二层收窄来自对齐训练（alignment），包括监督微调（SFT）、基于人类反馈的强化学习（RLHF）、直接偏好优化（DPO）等步骤。2025 年的一项对照实验比较了同一模型家族的基础模型（base model）和对齐后的版本：在随机数生成、博弈和写诗任务上，对齐后的模型更容易被预测；诗歌的人工评价中，基础模型在四轮原创性比较里全部胜出，对齐模型在「读起来舒服」上得分更高。[5] Verbalized Sampling 论文分析了多个偏好数据集，把原因追溯到人类标注者系统性地偏好熟悉、像标准答案的文本，并把这种现象称为典型性偏差。[1] 研究者通常把「模型本来能表达很多合理答案，实际输出却集中在少数典型模式」称为模式坍缩（mode collapse）。[1]

单个答案的质量与一批答案的多样性

这一点最容易被忽略：单个答案好，不代表一批答案分散，两者要分开衡量。

2024 年发表在 Science Advances 的一项在线随机实验里，参与者写短篇故事，一部分人可以获得 LLM 提供的点子。有 AI 点子的故事平均创意评分更高，对原本创造力较低的作者提升更明显；同时，这些故事彼此更相似。[2]

2025 年发表在 Nature Human Behaviour 的研究得到相同方向的结论：用 ChatGPT 辅助头脑风暴，单个点子的平均水平提高，点子池的多样性下降。[6]

2026 年的产品点子研究用「1 减去两两之间的平均余弦相似度」衡量点子池的多样性。人类参与者的点子池是 0.773，GPT-4o 直接生成是 0.679；同时，LLM 生成的点子进入前 10% 的概率是人类的 7 倍。[3]

一项 100 多名 NLP 研究者参与的研究里，专家盲评认为 AI 生成的研究点子新颖度显著高于人类专家，可行性略低；但扩大生成数量时，AI 的点子大量重复，模型给自己点子的评分也不可靠。[7]

所以对 AI 的期待要拆成两个目标：单个方案的质量，AI 本来就做得不错；候选覆盖的范围，需要专门设计。本文后面的方法，几乎都在解决第二个目标。

采样参数的作用范围

温度（temperature）控制每一步选词时低概率词被选中的机会，温度越高输出越随机。它能降低重复，但「随机」和「到了语义上完全不同的区域」是两回事。2024 年的一项叙事生成实验发现，温度和新颖度只有弱正相关，同时连贯性下降。[8] 2026 年的一项实验把 GPT-4o 的温度从 1.0 提到 1.5，点子池里不同概念组合的数量只从 89 增加到 97（人类参与者为 208），温度到 2.0 时输出经常不连贯、无法归类。[9] 产品点子研究里，温度从 0 调到 1，多样性从 0.618 升到 0.679，同一研究中给每次生成换一个随机人物视角，达到 0.757。[3]

top-p（nucleus sampling）和 min-p 这类采样方法处理的都是每一步选词的候选范围，同样无法保证十个完整方案在概念上相距很远。[10] 在普通的 ChatGPT、Claude 对话里通常也调不了这些参数。采样参数可以作为第二优先级，第一优先级是改变模型搜索的区域。

常见写法的效果

写法

研究发现

结论

「要有创意」

在 931 个关联创造任务上改善很小[11]；另一项基准里，它带来的提升远大于打开推理[12]

结果不一致；可以加，但承担不了「让结果分散」的主要作用

「给我 10 个不一样的」

只增加数量，集合层面的语义距离仍然偏小[2][3]

要说明什么算不一样

「把这个点子变得更大胆」

连续要求两次后，多样性从 0.679 降到 0.575，大量点子收敛到相似的「新奇功能」[3]

有反作用

「你是乔布斯 / 最有创意的人」

精心挑选的「创意型」人物视角得到 164 种概念组合，99 个普通人物视角得到 208 种[9]

名人和「创意大师」本身是一类集中的文化原型

往提示词里塞随机材料

一首无关的十四行诗只把多样性从 0.679 提到 0.686[3]

随机材料要和任务结构有关

把温度拉得很高

见上一节[9][8]

收益小，连贯性下降

默认打开推理

蒙特卡洛树搜索、自我修正等推理增强没有显著提高代码解法的创造性[13]

推理能力和发散能力要分开看

模型之间的差别

跨厂商的发散能力对比，多数用的是 2024 到 2025 年的模型版本，不能直接推到今天的最新模型上。现有结果可以支持的结构性结论有三条：

推理强不等于发散强：41 个模型的科学构思基准里，构思能力和通用推理、代码、数学排名的相关性较弱，o3-mini-high 推理很强，科学构思表现一般。[14] 产品点子研究里，o3-mini 是所有被测模型中多样性最低的一个。[3]

同一模型多次运行差异很大：一项覆盖 14 个模型的基准发现，同一模型在相同提示词下的结果波动明显，过去约两年没有观察到创造力的稳定增长。[15]

不同厂商的模型合在一起更分散：把多个厂商模型的点子混成一个池，多样性达到 0.763，和人类的 0.773 没有显著差异。[3] 第六章会用到这一点。

人物视角能提高点子池的多样性，提升也有上限。一项比较约 9,200 名人类和 21 万多条模型输出的研究发现，「天才人物」或不同人口背景的角色设定能把表现提高到一个阈值，超过之后输出反而偏离真实规律；人类在创造力分布的右尾仍然更高。[16]

我的看法：发散阶段用第五、六章的写法和流程；进入验证、权衡、实现时再充分利用推理模型。两者分开安排，比指望一个「最会发散的模型」更可靠。

发散的时机与投入#

发散有成本：时间、token、比较和挑选的精力。选错后改起来很便宜的事，直接用主流做法更划算。

值得发散的三个信号

同时满足下面三条时，发散的回报最高；少一条，就降低投入：

选错后难回滚：方向会影响几天以上的开发、公开内容或数据结构。

候选方案真的不同：存在结构上不同的几种做法，而不只是换个库、换个配色。

还有没查清的事实：有一两个未知量，答案不同会导致不同选择。

可以用一个近似式判断：探索的价值约等于「改变当前决定的概率 × 选错后的代价 − 探索成本 − 比较和集成的成本」。改变决定的概率很低，或者选错后十分钟就能重做，直接走主流路径。

按问题大小分档

档位

判断条件

做法

几分钟能重做，错了代价很低

同一模型独立生成 3 次，自己挑

要花半天到一天，选错会返工

3–4 个隔离生成器，加一次去重归类；技术问题再加一个 Spike

几天到几周的开发，影响产品方向或公开内容

4–6 个生成器，至少两个厂商的模型，加概念地图和一次批评

架构、产品定位、数据模型这类难回滚的决定

跨模型生成、补空白一轮、并行的小实验，最后写决策记录

这张表的分档是工作规则，用来对应投入量，不是研究给出的阈值。可以参照的外部标准是 Chromium 项目：预计超过一个人月的技术工作，一般要写设计文档。[17]

不需要发散的情况

项目里已有明确惯例：已经有二十个用同一结构写的接口，第二十一个照着写。

外部条件已经替你做了选择：产品已经全面使用某家云服务的身份认证，这次只是再接一个同类登录方式。

差别只在品牌：几个候选库运行在同一进程、同一时机、同一数据边界，选哪个都不改变结构。

未知量已经有答案：项目里已经跑过某套队列，吞吐、延迟、故障方式都清楚。

任务高度顺序依赖：一项覆盖 260 种 agent 配置的受控研究发现，多 agent 在可以拆分的任务上收益明显（最高约 +81%），在顺序规划类任务上表现明显变差（约 −70%）。[18] 比如数据库迁移先做哪一步，交给一个 agent 深入推演更合适。

动手前的问题界定#

发散之前要先确认问题本身没有选错。问题定义得太窄或者层级不对时，后面的发散越充分，越是在一个错误的问题上产出高质量方案。斯坦福 d.school 的 How Might We 工具就有这个风险：它擅长把问题改写出更多入口，目标本身没有验证时，它会让人对一个错误的问题高质量地发散。[19]

「没想清楚」的六种类型

「没想清楚」通常是几种不同的问题混在一起，拆开后，选方法会容易很多。

方法

解决哪类问题

做法

不适用的情况

问题重构（reframing）

问题选错、框得太窄、层级不对

写出当前的问题框架，再换目标、边界、视角和解释，最后用现实测试选出更值得解决的框架[20][21]

原因已经明确、主要缺执行时

Jobs to be Done（JTBD）

把产品、功能当成目标

描述在什么情境下、想取得什么进展，产品只是被「雇来」完成这份工作的方案之一[22]

纯技术故障诊断

How Might We

问题表述锁死了解法

把洞察改写成多个「我们可以怎样……」，放大、反转、推向极端[19]

目标还没验证时

Working Backwards

成功状态说不清

动手前先写一份未来的发布稿和常见问题，逼自己说清用户、价值和限制[23]

连谁有这个问题都还不知道的最早期

5 Whys

症状和原因混在一起

针对一个具体异常连续追问原因，次数不一定是五次[24]

开放式的战略问题、多个原因并存时，单链追问会制造虚假的线性因果

事前验尸（pre-mortem）

没看到失败条件

假定项目已经失败，让参与者找出失败的原因[25]

用来寻找目标时作用有限，它擅长挑战一个已有的计划

目标上追与下拆

抽象目标和具体行动断开

往上问「做到这个真正得到什么」，往下问「具体发生什么才算做到」

连续追问「为什么」容易诱导人编故事，要和真实行为核对

这些方法都是成熟的结构化框架，没有随机对照实验证明哪一个稳定优于其他方法。事前验尸的心理学依据是「前瞻性后见」（prospective hindsight）：原始实验发现，把结果当成已经确定发生时，人给出的解释更多；实验没有衡量这些解释是否正确，网上流传的「提高 30% 准确率」要谨慎引用。[26]

让 AI 提问的规则

把交互方向反过来、让模型向用户收集信息，在 2023 年的提示词模式目录里被命名为反转交互模式（Flipped Interaction Pattern），基本结构是：说明目标 X，让模型持续提问直到满足条件 Y，可选地规定每轮问几个。[27] 这个模式没有规定什么问题才值得问。近两年关于澄清提问的研究补上了这一块：

问题

研究发现

做法

一次问一个，还是一次列清单

一项包含 5,251 个问题、9,006 个任务实例的研究发现，同样的提问次数，分散到多轮往往能拿到更多需要的信息；模型也常在信息还不够时就停止提问。在其中一类任务上，强制每轮只问一个反而让模型过早停下、直接猜答案[28]

后一问依赖前一答时逐个问；同时要求模型在信息不够时继续问

给选项，还是开放问

模型已有合理候选时，带候选的问法比开放式的「是什么、为什么」更能问到正确信息；模型没把握时开放问更合适[29]

「我目前猜是 A，因为 X；另一种可能是 B；都不对请纠正」

泛问，还是具体问

具体的澄清问题比泛泛的问题更能预测用户满意度[30]

不问「你有什么偏好」，问一个具体的冲突或选择

问多少

对话推荐实验里，偏好问题问得越多，推荐质量总体反而下降[31]

每问一题前判断它会不会改变下一步

先问，还是先给东西再问

30 人的受控研究发现，澄清提问提高了信任和信心，也增加了认知负担；先问和后问的总体体验差别有限[32]

自己也说不清时，可以让 AI 先给一个粗糙的问题定义，再纠正

这些规则对应一个更一般的原则：好问题的标准是「回答之后能改变什么」。早在 2018 年，就有研究用「完美信息的期望价值」给澄清问题排序。[33] 「问到再问也不改变下一步行动」就可以停止。

问题界定的提示词

综合采访版，适合大多数「我想做 X」的起点：

复制

你现在的任务是帮我确定「真正值得解决的问题」，暂时不要提出解决方案。

先根据我给的信息，列出你认为这个问题可能存在的 3 种不同定义，但不要让我一次回答所有问题。

接下来进行采访。每一轮只问一个会显著改变问题定义、目标、成功标准或范围的问题。

选择下一问时优先考虑：

1. 回答不同会导致我们做完全不同的事；

2. 当前最可能被我默认、但其实未经验证；

3. 能区分「真正目标」和「我已经想到的手段」；

4. 能暴露当前问题定义过宽、过窄或选错层级。

如果你已经有一个合理猜测，先写一句「我目前猜测是 X，因为 Y」，再让我确认或纠正，并提供「都不对」这个出口。

如果下一问依赖我的上一答，就一次只问一个；若几个问题相互独立，可以告诉我它们属于同一层，但仍优先问信息价值最高的那个。

不要问答案显而易见的问题，例如「你希望体验好吗」。

不要因为已经得到几个答案就提前结束。

当且仅当你能明确写出以下内容时停止采访：用户或主体是谁；当前情境和触发点；真正想取得的进展；成功能观察到什么；这次明确不解决什么；最大的未验证假设；下一步最小验证动作。

停止时给我：A. 一句话问题定义；B. 另外 2 个仍然合理的问题定义；C. 成功标准；D. 排除项；E. 最大未知；F. 为什么你认为现在已经足够清楚，可以开始行动。

怀疑自己问错了问题时，让 AI 先给出几种有实质差异的定义：

中文

English

复制

我当前的问题表述是：[X]。

在解决它之前，给出五种有实质差异的问题定义。

每一种至少改变以下一项：主体、期望结果、边界、时间尺度、因果解释或抽象层级。

对每一种说明，它会让哪些新方案变得可见，同时会遮蔽什么。

最后只问我一个最能区分这五种定义的问题。

目标往上追一层、往下落到可观察的结果：

中文

English

复制

我当前的目标是：[X]。

暂时把 X 当成一个可能的手段。

问：「如果 X 完美实现，它究竟会带来什么有价值的变化？」

只有当继续向上追会改变我可能选择做的事情时，才继续追。

在答案滑向「快乐、成长、成功」这类无法指导决策的泛目标之前停止。

然后反过来，把上追得到的目标转换成可观察情境：

问我，如果它真的实现了，一台摄像机、事件日志、日历或可测量结果会看到什么。

继续具体化，直到不需要依赖「更好、简单、有用、高质量」之类的词，也能区分成功和失败。

已经有一份计划、想把里面所有影响结果的决定都摊开时，用「grill me」式的追问。这个写法来自 Matt Pocock 在 2026 年公开的一个 coding agent skill，原句是「Interview me relentlessly about every aspect of this plan until we reach a shared understanding.」[34] 它的强项是把计划当成一棵决策树、每个问题附推荐答案；有用户在 issue 里提出它缺少可验证的停止条件，可能无限追问，维护者不同意并关闭了这个 issue。[35] 下面的改写版补上了停止条件：

中文

English

复制

围绕这个计划持续追问我，直到所有会实质影响结果的决策都已经显性化。

把计划建模成一棵决策树。

先解决前置决策，再问依赖它们的后续决策。

每次只问一个决策问题。

每个问题同时给出你的推荐答案，并用一句话解释原因。

能由你自己查到的事实由你去查，不要问我。

最终决策仍由我做。

当剩余未解决问题已经不会改变下一步行动时停止。

「想清楚了」的检查清单

没有一个经过验证的「问题清晰度」评分。下面的清单综合了 Working Backwards、问题重构、JTBD、事前验尸和澄清提问研究的共同要求：

主体清楚：谁在什么情境里遇到这个问题。「我自己」太宽，「我读完一篇技术文章、两个月后准备写文章时」有了情境。

目标能脱离当前方案来表达：「做一个笔记 App」不通过，「需要输出时能快速找回过去学过的观点和出处」通过。

能描述成功时可以观察到什么：「整理更方便」不通过，「准备文章时，60 秒内找到过去三个月的一条相关笔记和原始出处」通过。

至少还有两个替代的问题定义摆在桌面上。

明确这次不解决什么。

知道最大的未知是什么。

已经区分事实、假设和决定：「过去三个月只主动回看过四次」是事实，「因为搜索太麻烦」是假设，「先只做搜索实验」是决定。

核心假设有一个便宜的验证动作。

做一次简短的事前验尸，没有出现直接推翻目标的风险。

再问一个问题已经很难改变下一步行动。

可以压缩成一句口令：谁，在什么情况下，想发生什么变化；怎样知道变化发生了；这次明确不做什么；现在最危险的未知是什么；下一步怎样用最低成本验证它。

示范：「我想做一个整理学习笔记的小工具」

先给几种定义

目标：不接受「做工具」这个框架，先看清背后可能是哪个问题。

你：说出原始想法，要求 AI 暂时不谈功能和技术。

AI：给出 4 种定义：记录太费力；笔记多了找不到；找得到但想不起当时的上下文；真正的困难是学了没转成输出，整理只是想到的手段。然后只问一个问题：「过去三个月里，哪一次你最强烈地觉得以前明明学过、现在却用不上？当时卡在哪里？」

往上追、往下落

目标：把「整理笔记」换成可观察的目标。

你：回答「写文章时知道以前看过相关内容，但找不到记在哪里」，并在 AI 给出的候选里选「找到自己当时的结论和原始出处」。

AI：用候选式提问上追一层，再问「从产生『我以前看过』这个念头，到拿到可引用的观点，你希望实际发生什么」。

产物：成功状态：在写作需要时，约一分钟内找回相关旧笔记、自己的结论和原始出处。

挑战因果

目标：防止直接跳到「所以要做搜索」。

AI：给出三个同样合理的解释：检索困难；当时记的内容本身缺少可复用的结论；需要复用旧知识的场景其实很少。再问：「最近十次写东西时，有几次你明确知道学过相关内容、并且真的去找了？」

去掉产品名，写未来状态

目标：用 JTBD 和 Working Backwards 检查目标。

AI：写一句不含「App、工具、AI、整理、标签、搜索」的工作陈述，再写一段 120 字以内的半年后状态，并指出其中「很少」「很快」「值得复用」几个含糊的词。

事前验尸与最小验证

目标：找出最该让人现在停下来的风险。

AI：假设三个月后工具没人用，从问题定义的角度给五个原因，选出最致命的一个（「复用场景其实很少」），再给一个 7 天内、不写代码的验证办法：连续记录一周所有「我以前学过这个」的时刻，记下场景、是否去找、花了多久、找到后是否用上。

产物：一句话问题定义、成功标准、排除项，以及两个仍然保留的替代定义（瓶颈可能在笔记质量，可能在缺少触发复用的时机）。

走完这一遍，下一步从「造工具」变成了「验证复用需求和失败点」。

我的看法：双向钢人论证这类提示词，适合检验一个已经成型的想法：把正反两方的论证都推到最强，找出关键变量。本章的方法用在想法还没成型的时候，先把问题本身问清楚。两者可以接在一起用：先用本章的采访版得到问题定义，再对选出的方向做一次双向钢人论证。

构思前的信息搜集#

先搜集信息再构思，通常能扩大可用的原料，提高对问题的理解和方案的覆盖面；效果取决于搜什么、什么时候搜、怎样把参照抽象成机制，以及是否主动防止被参照绑住。

类比与设计固着

类比推理的核心是把一个领域里的关系结构迁移到另一个领域，对象本身的属性并不重要。[36] 经典实验里，一个语义上很远的军事问题能帮助参与者解决医学上的放射治疗问题，前提是参与者注意到两者结构相同；没有提示时，人往往想不到这个远类比。[37] 这说明「找到合适的类比」本身就很难，而这恰好是 AI 能补的部分。

参照也有代价。设计固着（design fixation）的经典实验里，设计者看过一个带缺陷的示例后，会复制示例里的具体特征，连被明确告知应避免的缺陷也一起复制。[38] 后续研究发现，CAD 图、照片、草图三种形式的示例都会造成固着，熟悉的示例特征固着更强。[39][40] AI 生成的内容同样会成为新的锚点：2026 年一项 32 名设计学生参与的实验里，AI 辅助在问题框架等维度评分更高，只靠人自己想的条件在创新性和方案策略上评分更高。[41]

类比距离也不是越远越好。96 名设计者的实验里，近领域的刺激提高可行性和实用性，远领域的刺激提高独特性。[42] 基于数百个真实设计概念的分析发现，概念上更近的灵感来源对应更高的整体创造性。[43] 把距离当成一个可调参数：需要突破时拉远，准备落地时拉近。

AI 和人在这件事上能力互补。2025 年的战略决策类比实验发现，GPT-4 能召回很多候选类比，但常把表面相似误判为结构相似；人选得少，更擅长判断因果结构是否真的对应。[4] 所以搜集阶段让 AI 广泛召回，结构判断留给人。

六类搜集对象

只搜同行优秀案例，搜索空间会被压回行业已有的范式。下面六类各解决一个问题：

搜集对象

解决的问题

搜什么

价值低的情况

同行做法

不遗漏行业约束

主流产品、成功案例、常见架构

你已经非常熟悉这个领域

邻近领域

引入可迁移的新机制

用户行为相似、产品类型不同的案例

问题本身高度标准化

远领域

打破默认解法

结构相同、产业不同的机制

约束极硬、需要立刻实现

失败与反例

找常规方法在什么条件下失效

停止运营、事后复盘、被撤回的功能

纯审美探索的早期

边缘与小众

避免结果只剩头部范式

小团队、旧系统、地区性产品、学术原型

安全合规类任务

用户抱怨

发现真实的摩擦

论坛、评论、issue、客服讨论

用户群极小、没有公开讨论

搜索结果默认会偏向头部页面，下面几种做法能把搜索推向长尾：

先搜维度，再搜案例：先建一个「作者规模 × 商业模式 × 更新频率 × 内容形态 × 成败 × 年代」之类的矩阵，再到稀疏的格子里单独搜。

用机制搜，不用名词搜：要研究「让用户每天回来」，搜「周期性期待」「定时揭晓」「没有信息流的每日循环」这类机制词。2022 年的类比搜索引擎研究就是把论文拆成目的和机制，再找目的相似、机制不同的论文，以此触达远领域。[44]

问空白：每一轮让 AI 说出「结果集中在哪些范式、哪些范式完全没出现」，再去搜后者。

规定来源配比：例如 20 个结果里，头部媒体和官方案例最多 5 个，论坛、issue、复盘至少 5 个，其他行业至少 5 个，失败案例至少 3 个（比例是工作规则，没有研究证明最优）。

搜失败：每个看起来不错的机制，单独搜「谁试过、在哪里失败、用户为什么拒绝」。

一个例子：给 coding agent 设计 bug 分诊流程，普通搜索反复返回 GitHub Issues、Linear、Jira。先抽象成「在大量噪音信号中分流高损失异常」，再去查医院分诊、安全告警、航空事故报告、SRE 事故指挥、内容审核队列，候选机制会从「标签和优先级」扩展到「危险信号」「升级规则」「事故指挥官」「险兆记录」。

现有研究系统的搜集做法

系统

搜集方式

可以借用的做法

STORM（斯坦福）

先看相邻主题、生成多个视角，再让不同视角的「写作者」连续向有检索支持的「专家」提问，最后才组织大纲；文章被评为「组织良好」的比例提高约 25 个百分点，「覆盖广」提高约 10 个百分点[45]

先列视角，再按视角分别搜

各家 Deep Research

制定计划、搜索、找出信息缺口、再搜，后一轮搜索建立在前一轮结果上[46][47][48]

第一轮只建地图，第二轮专搜空白和反例

AI Scientist v2

构思阶段就调用论文检索检查新颖性，检索结果改变下一轮想法[49]

每个候选方向立刻搜一次「已有实现」

BioSpark

找生物机制，抽出起作用的成分，再迁移、权衡；和「AskNature 页面加 ChatGPT」的对照条件相比，产生的想法接近两倍、质量更高[50]

搜完必须经过「抽机制 → 迁移 → 权衡」

STORM 验证的是研究文章的覆盖度，不是点子的新颖度；把它借到构思上属于机制迁移。

从案例到机制卡

先让 AI 建证据地图，不急着出方案：

中文

English

复制

在生成任何方案之前，先为这个问题建立一张证据地图。

我的问题：

[粘贴问题]

现在不要构思方案。

先识别 6 到 10 个可能改变我们理解问题方式的独立搜索区域。必须包括：

1. 直接同行与常规解法

2. 用户行为相似的邻近领域

3. 底层结构相同的远领域

4. 失败尝试、放弃方案和复盘

5. 边缘、小众、旧时代、区域性或异常小规模案例

6. 第一手用户抱怨、论坛讨论、issue tracker 或客服讨论

对每个区域：说明它可能消除什么不确定性；用不同术语设计若干搜索 query；说明什么发现才算真正意外。

然后分别研究各区域。不要让某一种来源占据绝大多数证据。

第一轮搜索完成后，指出哪些模式过度集中、哪些区域仍然空白。针对空白、冲突与反例执行第二轮搜索。

最后返回证据地图，此时依然不要生成方案。每个案例记录：来源、日期、情境、底层机制、约束、为什么成功或失败、它与我的问题在结构上为何相关。

找远领域类比时，先把问题改写成结构，再按距离分层找：

中文

English

复制

我要寻找基于因果结构和关系结构的类比，不要基于表面相似。

目标问题：

[粘贴问题]

先把问题改写成：目标、参与者、稀缺资源、约束、反馈回路、失败模式、重复行为、信息不对称、激励。

然后搜索与上述结构至少共享三个属性、但来自不同领域的系统。

使用三个距离层级：A. 邻近领域；B. 明显不同的领域；C. 非常遥远的领域。每个层级至少找 5 个候选。

如果相似主要来自词汇、视觉外观、受众或技术栈，就淘汰。

对每个保留的类比给出：来源领域；结构对应关系；值得迁移的机制；类比在哪些地方失效；这个类比让我们不得不重新问目标问题的一个问题。

现在不要提出方案。

案例搜回来以后，去掉品牌和外观，只留机制，下一阶段不再看原案例：

中文

English

复制

你现在已经拥有一批参照案例。先不要组合，也不要模仿。

对每个案例，去掉所有领域名称、品牌、视觉形式、技术和具体实现细节，把它重写成一张机制卡，只允许以下字段：

触发条件 / 行动者 / 希望发生的状态变化 / 机制 / 反馈回路 / 利用的约束 / 代价 / 失败条件 / 可迁移原则

「可迁移原则」必须抽象到至少能够应用于三个互不相关的行业。

完成机制卡之后，在下一阶段隐藏原始案例，只允许使用机制卡继续工作。

用户抱怨要按「哪个预期被破坏了」归类，不要直接翻译成功能需求：

中文

English

复制

从论坛、评论、issue tracker、留言和客服讨论中搜集关于这个问题的第一人称抱怨。

不要把它们直接总结成功能需求。按照「哪个预期被破坏了」来聚类。

每个聚类给出：用户原本期待什么；实际发生了什么；用户自己发明了什么变通办法；反复出现的情绪用词；隐藏成本；现有产品主要在处理症状还是原因。

然后把每一类改写成机会陈述：「当 [触发条件/情境] 出现时，人们需要一种方式实现 [希望发生的状态变化]，同时无需牺牲 [当前不得不牺牲的东西]。」

完成机会地图后才能开始生成点子。

控制参照的做法

先有自己的初稿，再看资料：先花几分钟写下「我认为问题是什么、自然想到哪三个方向」，再打开参照，减少一上来就被参照锚定（见上文的设计固着研究）。

一次只看一批：40 个案例一次塞进上下文，最显眼、重复最多的特征会占据过多注意。每看 5 到 8 个就做一次机制抽取（批次大小是工作规则）。

把原始案例和构思隔离：做完机制卡后开一个新对话，只给机制卡，不给截图、品牌和具体实现。

主动删掉高频模式：每轮让 AI 标出「大家都在做什么」，暂时禁掉最常见的那几类。一项 37 人的研究发现，在模型层面压制一个典型概念会增加认知摩擦，参与者会更多地重新表述问题。[51]

近远分时：发散时多看远类比和边缘案例，准备实现时再补近类比和成熟实现。

设停止条件：连续两批搜索都没有出现新的机制类别，就停止搜集。

重要任务做两次独立搜集：第一轮看行业和邻近领域；第二轮开新对话，只告诉 AI 抽象后的问题，专搜远领域、失败和边缘案例，最后再合并机制。

示范：给自媒体开一个新栏目

先不想栏目名，把问题抽象成：目标是制造周期性回访的理由，同时让栏目有独立辨识度；稀缺资源是个人时间、持续的素材和读者注意力；潜在失败是更新压力过大、内容同质、只有观点没有新信息、做几期就枯竭。

按六类搜集后，只留下机制卡，例如：每期只研究一个具体对象、长期形成档案；公开一次真实失败并追踪后续修正；固定一个问题、用不同领域反复回答；给过去的预测定期结算；把一个陌生领域的机制迁移到开发者问题。再把最常见的五种模式（每周 AI 新闻、工具推荐、教程、行业观点、每周链接）放进禁用清单，得到的方向包括：

栏目

做法

组合的机制

一个机制，三个世界

每期一个问题，看软件、实体服务和一个远领域分别怎么解决

固定问题 + 跨领域迁移

失败的下一集

公开一个真实的失败决定，两周、一个月、三个月后各回访一次

公开失败 + 定期结算

我删掉了什么

展示一个主动删掉的功能、流程或提示词，附删除前后的证据

把更新日志反过来，关注删减

旧互联网重新审判

研究一个 10 到 30 年前的软件或社区为什么消失，再问今天哪些条件变了

档案 + 反常证据

下注，然后结算

每月做 3 个可以验证的判断，三个月后结算

定期结算

我的工作协议

每期发布一个正在使用的 skill 或判断规则，附来源、失败条件和一次真实运行记录

工作协议 + 公开失败

要继续发散时，不要让 AI「再给十个」：把这一批再抽象成机制，找出仍然重复的部分，禁掉后从远领域的机制卡重新生成。

方案空间的展开#

让 AI 给出结构上不同的方案，在单次对话里有五种手段：定义方案之间可以在哪些维度上不同；排除常规答案依赖的机制；从模型自己估计的概率分布尾部取样；换视角、加约束；引入模型外部的随机刺激。它们针对的是同一个问题，即模型默认在高概率区域附近生成。[1][5] 前三种可以写进同一条提示词，本章在中间给出组合版和一个完整示范。

差异维度的定义

只说「给我 10 个不一样的」，模型并不知道什么算不一样，结果往往是同一种机制换了主题和名字。

有效的做法是先让模型列出能把方案空间切开的维度，例如用户类型、核心机制、交互方式、经济模式、时间尺度、自动化程度，再在维度组合出的不同位置上各生成一个方案。这是形态分析（morphological analysis）的思路：把问题拆成相互独立的维度，再系统地组合。[52] 直接验证「先列维度」这一写法的对照实验目前还没有，相关实验指向同一个方向：2026 年的产品点子研究里，给每次生成加上一条随机抽取的产品功能约束，点子池多样性从 0.679 升到 0.735；加入与任务无关的随机文本（一首莎士比亚十四行诗），只升到 0.686。[3]差异要和任务结构有关才起作用，往提示词里塞随机材料几乎没有效果。

维度本身也会压缩空间。如果先规定所有方案都用 serverless、TypeScript、单一数据库，后面再要求多样，模型能探索的范围已经被提前限定了。

中文

English

复制

生成点子之前，先定义 6 个能够实质切分问题空间的维度。

例如：用户类型、核心机制、交互方式、经济模式、时间尺度、自动化程度。

先组合这些维度，形成一组差异明显的坐标。

然后从不同坐标各生成一个点子。

除非搜索空间已经耗尽，不要从同一个或相邻坐标生成两个方案。

常规机制的排除

第二种手段是先找出模型最可能给出的答案，再排除这些答案依赖的机制。证据最直接的一项是 NAACL 2025 的 Denial Prompting 实验：在 199 道 Codeforces 编程题上，每一轮找出上一个解法的核心策略并禁止使用，迫使模型寻找另一条算法路径。[13]

排除要落在机制上。只告诉模型「不要这五个答案」，它常常换个名字给出同一类方案；先让它说清每个常规答案依赖什么机制，再把这些机制整体排除，约束才有信息量。这一改进目前只有 Denial Prompting 的间接支持。[13]

中文

English

复制

先列出一个能力不错但非常常规的 AI 最可能给出的五种答案。

对每一种，提取它底层的机制、假设或模式。

把这些机制视为已经占领的区域。

接下来生成 8 个答案，它们的主要机制不能属于任何已占区域。

表面改名或换包装不算不同。

技术方案更适合逐轮排除的版本：

中文

English

复制

先给一个强方案。

然后指出这个方案最核心的工作机制。

接下来假设这个机制完全不可用，再生成第二个仍然可行的方案。

重复这个过程：每得到一个新方案，就识别它的主导机制，并加入禁用集合。

直到得到 6 个核心机制真正不同的方案。

如果新方案只是对已禁机制换皮，直接丢弃并重新生成。

有些问题本来只有少数几种合理机制，持续排除会把模型推向绕远路、质量差的方案。用在技术方案上时，每一轮都要保留「仍然可行」这一条要求。

概率分布尾部的采样

第三种手段直接针对对齐后变窄的输出分布。Verbalized Sampling（VS，ICML 2026）要求模型一次给出多个回答，并为每个回答写出估计概率；进一步的版本要求只从概率低于某个阈值的尾部取样。[1] 在创意写作任务上，VS 让语义多样性达到直接提问的 1.6 到 2.1 倍，作者报告事实准确性和安全性没有因此下降。[1] 下面这条是作者在代码仓库里给出的快速上手示例。[53]

中文

English

复制

针对用户的问题生成 5 个回答，每个回答放在单独的 <response> 标签里。

每个回答都必须包含 <text> 和一个数字形式的 <probability>。

请从整个分布的尾部随机取样，每个回答的估计概率都低于 0.10。

模型写出的概率不是校准过的真实概率，它在这个方法里的作用是让模型把候选分布显式地展开。VS 也不是对所有任务都有效：在 2026 年的 CREATE 关联创造力基准上，VS 反而减少了有效的关联路径。[11] 只有少数正确答案、新颖和正确绑得很紧的任务，不适合强制从尾部取样。

三种手段的组合

下面这条提示词把前三种手段和「先生成、后评价」合在一起：先定维度，再只给方向、不展开，每个方向标出估计概率并保证一半来自尾部，然后两两比较、替换掉机制重复的方向，最后才展开。它适合在问题已经明确、需要一批方向时使用。这种「先写短草稿、检查彼此是否雷同、改写后再展开」的结构，在 GPT-4 的产品点子实验里产生了最高的点子多样性，后续研究也复现了它降低固着的效果。[54][3][9]

中文

English

复制

现在的目标是扩大搜索空间，暂时不要评价方案。

先找出 5 到 7 个能让有效答案产生实质差异的维度。

然后只生成 12 个候选方向，暂时不要展开细节。

每个方向都写：

1. 一句话核心思路；

2. 它主要在哪些维度上与其他方案不同；

3. 估计一个普通 AI 助手提出它的概率，范围 0.00 到 1.00。

至少 6 个方向必须来自长尾，估计概率低于 0.10。

生成完 12 个方向后，再从高层比较它们。

如果两个方向依赖的核心机制其实相同，保留一个，另一个替换成来自完全不同问题区域的新方向。

完成这轮多样性检查以后，才把每个方向展开成具体方案。

此时不要排序，也不要推荐最佳方案。

这种结构化去重在「点子集合的多样性」上证据较强；在诗歌、故事这类作品本身的创造力上，结果并不一致。[55]

示范：给个人博客想 10 个新栏目

普通写法只说明身份和「要有创意、彼此不同」：

中文

English

复制

给我的个人博客想 10 个有创意、彼此不同的新栏目。

我是独立开发者，平时写软件、AI、工具和学习心得。

点子要原创、实用、有趣。

典型的结果是「本周工具箱」「AI 实验室」「独立开发日志」「一周技术复盘」「我学到的五件事」「产品拆解」「开源项目推荐」「自动化技巧」「失败复盘」「每月书影音」。每一个单看都合理，放在一起看，大多是同一种内容机制：作者把已有的知识整理给读者，差别只在主题和周期。

改进写法把三种手段串成五步：画出维度，识别常规栏目并提取机制，生成带概率的候选，做多样性检查，输出结构差异最大的 10 个。

中文

English

复制

现在只做发散，不推荐，不排序。

任务：

给一个长期和 AI 协作、做小工具和个人网站、同时做自媒体内容的独立开发者设计 10 个长期博客栏目。

第一步：画出问题空间。

先定义 6 个能够让两个栏目产生本质差异的维度。至少包括：

1. 谁创造主要价值：我、读者、外部参与者、软件

2. 时间方向：过去、实时、未来

3. 证据形式：数据、实验、成品、对话、观察

4. 交互方式：阅读、使用、参与、挑战

另外再补两个有价值的维度。

第二步：识别常规区域。

列出一个能力不错但常规的 AI 最可能建议的 5 个栏目。

提取每个栏目的底层内容机制，把这些机制视为已经占领的区域。

第三步：生成候选分布。

生成 15 个候选栏目。每个栏目提供：名称；一句话形式说明；它位于哪些差异维度；估计一个普通 AI 助手提出它的概率。

至少 8 个候选的估计概率低于 0.10。

第四步：多样性检查。

比较 15 个候选。如果两个栏目依赖的内容机制基本相同，就保留较强的一个，用尚未覆盖区域的新栏目替换另一个。

第五步：输出最终集合。

选出结构差异最大的 10 个栏目。

暂时不要优化「听起来正常」或「容易营销」。

每个栏目仍然必须适合一个独立开发者长期执行。

改进写法可能得到这样的候选：

栏目

形式

内容机制

估计概率

一周后删除

每周发布一个刚做出来、但决定不再维护的小工具，附可试玩的版本和放弃它的唯一原因

成品本身就是内容

0.04

读者给我一个约束

读者每月投票选一个限制条件，例如「不能用数据库」，作者按这个限制做一个真实项目

读者参与决定问题空间

0.06

未来 Bug 报告

为一个还没做的产品写一份六个月后的故障报告，再反推今天该避免的设计

从未来的失败反向生成内容

0.03

机器的编辑部

脚本根据站内搜索、404、RSS 点击自动选出下一个题目，并公开选题理由

软件参与选题

0.05

维护成本账本

每月公开所有个人项目实际消耗的时间、钱和 AI token

运营数据的连续记录

0.08

这些栏目的主题其实相近，差别体现在内容由谁产生、指向哪个时间、用什么作为证据。

视角与约束

人物视角：给模型一组背景差异很大的普通人视角，比「你是创意大师」有效。2026 年的一项实验里，GPT-4o 不设人物视角时，点子池只有 89 种不同的概念组合；换成 99 个普通人视角（退休政治人物、新手软件工程师、墨水化学家这类），达到 208 种，和 99 名人类参与者的 208 种持平；精心挑选的「创意型」视角只有 164 种。[9] 这个排序在 Gemini 3.1 Pro Preview 和 GPT-5.6 Sol 上也得到复现。[9] 设计概念研究得到相同方向的结论：让同一个模型分别以机械工程师、化学工程师、计算机科学家、生物学家、心理学家的身份各自生成，比把几个身份写进同一条提示词产生的概念更多样。[56]

人物视角要分开调用。同一个视角在一段对话里连续生成时，后面的点子会被前面的锚定。[9] 第一章提到，人物视角的提升也有上限。[16]

中文

English

复制

分别从六个差异很大的普通人视角生成方案：

1. 空闲时间很少的夜班护士

2. 小城市里的退休会计

3. 几乎没有预算的 19 岁学生

4. 大部分工作时间离线的现场技术员

5. 有两个年幼孩子的家长

6. 愿意为小众工具花钱的重度爱好者

每个视角生成两个方案。方案必须因为这个人的约束、习惯、利益或生活环境才成立。

不要把这些角色写成「创意专家」。这些角色的价值来自他们处在不同的现实区域。

六个视角写在一条提示词里只是起点；选错代价大的问题，把六个视角放到六个独立会话里各跑一次（第六章）。

约束：一项汇总 111 项研究的元分析发现，约束和创造力总体呈显著正相关，以往结论不一致主要来自研究方法的差异。[57] 实践上，好的约束清晰、可执行、和目标相关，例如「首页不能出现导航栏」「选题不能用任何热点」「技术方案只能有一个常驻进程」；与目标无关、纯粹增加负担的限制（「必须出现 17 个元素」）没有帮助。

中文

English

复制

在一个主动选择的限制条件下发散。

问题：[问题]

限制：[限制]

这个限制是硬约束。

生成 12 个「因为有这个限制才成立」的方案。每个方案写：限制迫使机制发生了什么变化；哪个常规方案因此不能用了；限制反过来创造了什么新机会。

如果两个方案拿掉限制后依然原样成立，合并或删除。

矛盾：技术方案里常见「改善 X 就会让 Y 变差」，TRIZ（发明问题解决理论）专门处理这类矛盾。2026 年的一项随机分组实验里，加入 LLM 辅助没有稳定提高复杂设计任务的质量，但明显降低了「定义矛盾」这一步的难度。[58] 所以 TRIZ 适合让 AI 当结构化推理助手，最后的技术判断不能交给它。

中文

English

复制

使用 TRIZ 风格的矛盾分析流程。

问题：[问题]

1. 写出我们想改善什么。

2. 写出按常规方法改善它时，什么会变差。

3. 把它写成矛盾：「我们希望 X 提高，同时 Y 不能恶化。」

4. 找出 3 个可能用于化解该矛盾的 TRIZ 发明原理。

5. 对每个原理：用白话解释原理；生成 3 个具体方案；说明它究竟怎样化解矛盾。

6. 任何只是用 Y 换 X 的方案都删掉。

7. 所有需要工程验证的判断明确标记。不要编造可行性证据。

反转：逆向头脑风暴（reverse brainstorming）先问「怎样保证这件事失败」，再把答案翻成正向原则。2002 年的一项实验里，假设反转产生的想法最多，创造性较低；类比产生的想法更少、更有创造性。[59] 反转更适合暴露默认假设和无聊点，不保证直接给出最原创的方案。

中文

English

复制

执行逆向头脑风暴。

目标：[目标]

先回答反问题：「如果我们想确保这件事失败、让人记不住、让人烦、变贵或没用，我们会怎么做？」

生成 15 个具体的失败策略。

然后逐条：1. 找出它暴露的隐含假设或脆弱点；2. 把它翻成一个正向设计原则；3. 基于这个原则产生一个方案。

不要只做语句取反。正向方案必须改变底层机制。

模型之外的随机刺激

想要意外，不要让模型自己当随机数发生器。一篇行业实测里，反复要求 GPT-4o 给出一个随机的词，四分之一的回答都是同一个词「quokka」（短尾矮袋鼠）。[60] 更可靠的做法是把随机源放在模型外面：用随机数、随机条目、随机卡片抽出刺激，原样交给模型，模型只负责解释和映射。

RANDOM.ORG

基于大气噪声的真随机数，用来抽列表序号、组合和卡片编号

MediaWiki 随机条目 API

随机返回维基百科条目，用来抽一个陌生领域

AskNature

Biomimicry Institute 维护的生物策略库，用来抽一个生物机制做类比

Oblique Strategies

Brian Eno 与 Peter Schmidt 1975 年的卡片，每张是一条打破僵局的操作指令

Noun Project

图标库，可以随机抽一个图标类别做视觉刺激

外部随机刺激比让同一个模型「多想一点」更能防止同质化。2024 年一项 36 人的研究比较了 ChatGPT 和 Oblique Strategies 卡片：用 ChatGPT 的人想出的点子更多、更详细，不同人之间的点子却更相似，对点子的归属感也更低。[61]

远领域的随机映射对人和对模型的作用不同。2026 年的一项研究让人和 LLM 都从随机分配的远领域做跨领域映射：人稳定受益；LLM 本来就比人更原创，平均而言没有从中受益，只有评分最高的几个模型、而且源领域足够远时才有提升。[62] 所以对 AI 使用随机刺激时，要把「足够远」和「强制逐项映射机制」都写进提示词。

中文

English

复制

你现在执行一次「随机输入」练习。

问题：[粘贴问题]

我已经从外部随机源抽到了这个刺激：[随机词 / 物体 / 图片描述 / 生物策略]

不要替换它，不要重新挑一个更顺手的刺激，也不要弱化它。

第 1 步：列出这个刺激的 8 个具体属性、行为、关联或机制。

第 2 步：把每个属性强制映射到当前问题，即使一开始显得牵强也要完成。

第 3 步：每个映射变成一个彼此明显不同的方案。

第 4 步：凡是「不使用这个随机刺激也很容易想到」的方案都删掉。

第 5 步：保留 3 个与刺激因果关系最强、形式最不常规的方案。

每个最终方案都写：刺激属性；强制映射；得到的概念；为什么普通头脑风暴大概率想不到它。

源领域是一个生物策略或另一个行业时，先抽机制、再映射，找不到源机制的想法不输出：

中文

English

复制

执行跨领域类比。

目标问题：[目标]

从外部随机选到的源领域：[源领域]

先不要直接想方案。先从源领域提取：1. 它怎样感知；2. 它怎样分配资源；3. 它怎样处理失败；4. 它怎样协调各部分；5. 它怎样随时间适应；6. 它怎样建立或控制边界。

再把每个机制映射到目标问题。每个映射写：源机制；抽象原则；目标中的实现；它打破了什么常规假设。

任何找不到源机制的想法都不要输出。

形态盒（Zwicky box）也可以和外部随机结合：让模型列出维度和取值，由程序或你自己随机抽每行一个，再要求模型把抽中的组合全部保留、做成一个完整概念。

中文

English

复制

为下面问题建立一个形态盒：[问题]

第 1 步：找出 6 个彼此独立的设计维度。每个维度必须代表不同的解空间轴，不能只是换词。

第 2 步：每个维度列 5 个值：2 个常规值，2 个不常见但合理的值，1 个故意奇怪的值。

第 3 步：停在这里，先不要生成完整方案。

第 4 步：接下来我会从每一行随机抽一个值。抽到的每个值都视为硬约束。

第 5 步：把这组组合做成一个完整概念。允许重新解释各值，但不允许删除任何一个。

最后说明：这些部件怎么合在一起；冲突在哪里；这个组合涌现出了什么意外属性。

随机强度可以分档：同领域随机选对象（低，适合技术方案）；随机选邻近领域（中，适合产品和内容）；随机选远领域或生物机制（高，适合设计和品牌概念）；随机词加随机约束加随机组合（极高，只在真的卡死时用）。想以后能复现同一条发散路径，记下四样东西：随机种子、随机源、原始刺激、提示词版本。

经典方法的 AI 版速查

方法

机制

证据

适用

何时浪费时间

随机输入（random entry）

随机刺激

人类训练实验中提高流畅性和灵活性[63]；LLM 端只有相近机制的研究[62]

卡住的问题、内容选题、视觉概念

问题已被硬性规格锁死

Oblique Strategies

随机的操作指令

Eno 与 Schmidt 1975 年的卡片[64]；与 ChatGPT 的对比研究见上文[61]

创作僵局、写作、视觉和品牌概念

需要严密可行性判断时

SCAMPER

替代、组合、适配、修改、他用、删除、重排

GPT-4 执行 SCAMPER 的整体创造力接近 22 名工程学生的平均，最高新颖度更高，可行性较弱；没有「不用 SCAMPER」的对照[65]

已有对象、产品、页面的变体

还没有明确对象可改

六顶思考帽

换视角

人类随机分组实验提高流畅性和原创性[66]

避免单一价值判断

只想快速大量发散；给 AI 用要六次独立调用，不要让一个模型连戴六顶

TRIZ

矛盾与发明原理

见上文[58]

技术方案、性能权衡

纯品牌或内容创意

形态分析

维度组合

LLM 增强的形态分析提高了概念质量、降低认知负担[67]

产品、栏目、交互、架构候选

维度高度耦合时会产生大量假组合

强制关联

和外部对象建立机制对应

培训手册中的发散工具，未见 LLM 对照研究

产品、视觉、选题

只要可靠的工程方案时

远距离类比与仿生

迁移远领域的结构

生物类比比同领域类比显著提高新颖度[68]；未受训练的设计者从近类比中得到更好的方案[69]

产品机制、流程、交互概念

没有后续验证能力时

逆向头脑风暴

反转目标

见上文[59]

找默认错误、体验问题、内容无聊点

已经有完整的失败分析

约束法

减少自由度

见上文[57]

几乎所有场景

约束太多或与目标无关

Crazy 8s

固定数量、每个必须不同

Google Design Sprint 的做法，未见证明「8 分钟 8 个」最优的对照研究[70]

快速越过第一个想法

已经有一批足够不同的候选

书面头脑风暴（brainwriting）

先独立写、再轮换补充

见第六章

多 agent 逐轮扩展

多个 agent 实际共享同一段上下文

一个实用的分层：随机输入加外部随机源、形态分析、逆向头脑风暴、书面头脑风暴式的独立并行，适合做成常用口令；TRIZ、远距离类比、SCAMPER、约束法按问题类型调用；Oblique Strategies、Crazy 8s、六顶思考帽用来打破僵局。

示范：博客首页的三种概念

三种方法分别用在「给个人博客首页想一个让人记得住的概念」上：

方法

输入

得到的概念

记忆点来自哪里

随机输入

外部随机抽到「海关」

入境申报首页：首页先问访客「今天带着什么问题进来」，只展示和这次「申报」相关的内容；每读一篇，浏览器里多一枚「入境章」；首屏写明「这里禁止携带：空话、转载新闻、没亲自试过的工具推荐」

首页从「作者展示自己」变成「访客入境」

形态分析

随机抽中「单一纵向物体、按时间褪色的导航、拖动交互、未完成的片段、工作台隐喻、每天变化」

收工后的工作台：首页是一张纵向延伸的工作台，最上面是今天还没完成的代码片段和草稿，越往下越旧、越褪色，正式文章像装订好的说明书压在下面

六个值共同作用；拿掉「未完成的片段」，它就退化成普通的工作台主题

逆向头脑风暴

「怎样让首页让人立刻忘掉？」其中一条：所有文章长得一样，只有标题、日期、摘要

文章标本柜：每篇文章根据字数、代码比例、引用密度、更新时间自动生成一个形状，首页像一整墙标本

读者记不住标题，也会记得「那篇长得像红色针状图的文章」

形态分析有一个好用的检查：拿掉组合里的一个值，概念还成立吗？还成立，说明组合约束不够强，要重做。

多次生成与多 agent 的组织#

选错代价大的问题，单次对话不够：同一个模型在同一段上下文里，会反复回到相近的区域。有效的组织方式可以概括成一句话：先让几个彼此隔离的生成器独立探索，再由专门的整理者画出概念地图，最后才允许批评、合并和筛选。