输入增强（Input Augmentation）

“输入增强”把常见的 AI 使用顺序倒过来：先不问机器能替我写多少，而问它能否让我看到更完整的上下文，从而由人做出更好的判断。源稿转述杰克·多西的实践：他曾持续一年每天早晨花约三小时吸收不同 AI 工具整理的材料，不让 AI 替他决定，而是用它扩展自己的信息输入。[^1]¹

生成输出与增强输入

graph LR
    W[世界信号] --> A[AI 聚合/比较/检索]
    A --> C[更完整的上下文]
    C --> H[人的判断与品味]
    H --> P[原型/决策]
    P --> R[真实反馈]
    R --> W

在这条回路里，AI 可以降低搜索、整理和原型制作的成本，但不能替人决定什么值得做。源稿把“品味”拆成三个问题：方向是否明确，是否愿意持续推动，以及方案是否比现状更切中要害；当复制与模板化变得廉价，观点反而更稀缺。[^1]¹ 这与意图工程把目标定义置于执行之前、以及决策工具箱强调结构化判断的方向相接。

原型取代描述，但最后二成仍在人

源稿称 Block 内部从“带 PPT 讲想法”转向“带可操作原型讨论”：试错成本下降后，团队可以同时探索多个方向。[^1]¹ 但速度并没有取消验收；多西把最后约二成归给判断、审美与创造力。这个比例是源稿中的经验性表达，不是测量出的普遍定律。它指向的分工是：AI 扩展可能性空间，人类为选择负责。

输入增强也给自我资产与杠杆增加了一条实践路径：把公司的数据、模型和工具当作杠杆，同时把能否定义问题、识别噪声和承担后果练成可迁移资产。它又与智能体公司互为两层——公司层由智能层汇聚公共上下文，个人层由输入增强把上下文转成判断。

注意力训练的接口

源稿把冥想解释为对专注、观察和“不立即反应”的训练，并将其翻译成复杂系统里不被噪声带走的能力。[^1]¹ 这是频道主理人的工作性对读，可与正念互相照明，但不能据此声称冥想必然改善 CEO 决策，也不能把 AI 汇总结果当成事实本身。

边界：更多信息不自动产生更好决定

输入越多，也可能带来自动化偏误、选择性证据和注意力过载。AI 整理出的上下文仍需要核对来源、暴露不确定性，并由有责任能力的人验收。源稿对 Block 的描述本身是一条正在被经营结果检验的路径，而不是输入增强已被普遍验证的因果证明。[^1]¹ “机器补信息、人来判断”也不是免责结构：如果人只是照抄机器建议，责任并没有因为流程里保留了一个人而自动成立。

[^1]: Jack_Dorsey裁掉一半员工后，公司股价暴涨了25%。.md

注释

1. Jack_Dorsey裁掉一半员工后，公司股价暴涨了25%。 ↩