为什么爱迪生的实验比他的发明更重要：5BY.AI如何保存过程知识
当我们想到爱迪生的发明时，首先记住的是完成的结果。
我们谈论他解决了什么问题、创造了什么、以及那个结果如何改变了世界。
但在发明完成之前，还有更多事情在发生。
有最初的假设、与预期不同的结果、放弃的方法、修改的条件、以及导致下一个实验的问题。
完成的发明留下了，但导致它的思维过程不像结果那样被广泛传达。
5BY.AI关注的知识正是这个过程。
结果展示创造了什么。 过程展示如何思考、失败并接近答案。
爱迪生不是主题——消失的过程才是
本文的目的不是解释爱迪生的发明历史。
爱迪生是一个熟悉的例子，用于理解消失在结果背后的思维过程。
我们记住成功发明的名称。
但我们难以回答以下问题：
- 最初认为什么是可能的？
- 首先测试了什么方法？
- 如何解读了意外的结果？
- 什么被判定为失败？
- 哪个失败改变了下一个实验的方向？
- 到最后审查了但未选择什么方法？
只看完成的结果，发明似乎直接来自一个好想法。
实际上重要的知识在于形成假设、确认结果、改变判断并转向下一个尝试的过程中。
失败的实验不是被放弃的知识
失败的实验是没有产生预期结果的尝试。
但它不是什么都没留下的尝试。
通过失败，可以了解到以下事实：
- 在什么条件下这个方法不起作用。
- 初始假设中缺少一个条件。
- 问题的原因被误解了。
- 应该先审查另一个方向。
- 下一个实验应该改变什么。
如果这些信息没有留下，下一个人可能重复相同的失败。
只接收最终结果的人可以知道什么成功了。
但很难知道为什么某些方法失败了以及在什么条件下成功的方法有效。
过程知识不是为了炫耀失败而记录的。
它是为了让下一个决策更准确的记录。
当只有结果留下时，决策的依据消失了
完成的文档通常保留最终决策：
- 构建这个功能。
- 不使用这个方法。
- 选择这个结构。
- 在这个方向发布。
但随着时间推移，决策的原因可能消退。
当时预算可能不足。
进度可能紧张，所需技术可能不稳定，或可能有需要验证的剩余风险。
当这些条件消失时，过去的决策可以被重新审视。
但如果只有结果留下，过去的决策可能像不知原因的规则一样运作。
相反，审查重要风险的过程可能消失，导致重试已经失败的方法。
要保存知识，仅留下决策是不够的。
确认了什么、为什么选择它、以及在什么条件下做出了那个判断都必须一起留下。
AI对话揭示思考变化的过程
今天，许多人通过与AI对话来解决问题。
他们不是从一开始就提出完成的问题——而是在对话继续时重新定义问题本身。
例如，可能发生以下流程：
- 最初，认为需要新功能。
- 在与AI对话时比较多个功能。
- 发现真正的问题不是功能不足而是用户困惑。
- 决定不添加功能而是改变说明和使用流程。
- 在下一次对话中审查具体的改进方法。
最终结果可能只保留"不添加新功能"的决策。
但在对话中，有一个展示判断为什么改变的过程：
- 最初的假设
- AI提出的选项
- 用户不同意的理由
- 新发现的条件
- 方向改变的瞬间
- 尚未解决的问题
这是AI对话时代创造的新过程知识。
对话记录存在不意味着过程知识被保存了
即使对话保存在AI服务中，找到所需的思维过程也很困难。
一个任务可能分散在多个聊天窗口中。
您可能在ChatGPT中定义问题，在Claude中审查逻辑，在Perplexity中寻找材料。即使使用同一个AI，当对话变长时，您可能在新聊天窗口中继续工作。
对用户来说是一个思维过程，但记录分散在多个位置。
随着时间推移，以下变得更难找到：
- 哪个对话包含了重要的假设？
- 什么内容被确认为事实？
- 什么方法已经测试过了？
- 为什么放弃了某个方向？
- 判断在什么点改变了？
- 您计划从哪里继续？
保存所有对话原文和能够重新理解其中的思维过程是不同的问题。
随着记录增加，重要的转折点可能被埋得更深。
5BY.AI留下重入坐标而非原文
5BY.AI不旨在将所有AI对话原文收集到一个巨大的存储容器中。
它旨在将值得重新理解和继续的意义和流程留下作为坐标。
5BY.AI追求的方向是：
不存储原文，存储意义 坐标优先于内容
这里，坐标不是简单的对话位置。
它们是重新进入过去思维过程所需的上下文：
- 您在尝试解决什么？
- 审查了什么假设？
- 确认了什么？
- 选择了什么方向？
- 为什么某些方法被排除？
- 判断在哪里改变了？
- 下一步应该做什么？
如果这些坐标留下，用户不会停留在只阅读最终结果。
他们可以重新理解产生那个结果的过程，并继续适应当前情况的下一个判断。
Saved保存值得重新查看的对话
在实验过程中，有值得以后重新查看的时刻。
重要的反论、改变判断的解释、帮助理解失败原因的问题和新想法。
5BY.AI的Saved是一个功能，让用户直接从长对话中选择和保存这些问答。
例如：
- 发现现有假设问题的答案
- 要重新检查的重要警告
- 成为决策依据的解释
- 尚未完全形成的想法
- 有潜力以后连接到不同问题的对话
Saved保存在思维过程中扮演重要角色的痕迹，即使它们没有包含在最终结果中。
Anchor保存决策形成的点
Anchor不是保存单个好答案的功能。
它是您判断值得从迄今为止的思维流中继续的参考点。
Anchor可以连接以下上下文：
- 当前在解决的问题
- 已确认的事实
- 用户选择的方向
- 选择那个方向的原因
- 要维持的条件
- 排除的选项
- 剩余的问题
- 下一次对话的起点
Anchor不将过去的结论固定为绝对答案。
它让您重新确认判断是在什么条件下做出的，并帮助当前用户维持或改变它。
它不是只留下发明的结果，而是留下做出重要决策的位置。
Pack展示思考方向改变的边界
在长对话中，即使讨论同一主题，问题的中心也可能转移。
您可能最初认为是材料问题，但随着对话继续，判断真正的问题在于使用环境或整体结构。
5BY.AI的Pack不是将相似词语分组的主题分类。
它是形成单一问题定义和思维方向的上下文单元。
通过Pack，您可以检查：
- 单一思维流从哪里开始？
- 假设在什么点改变了？
- 在哪个失败之后开始了新方向？
- 不同对话如何连接到单一任务？
它让您重新看到从完成结果中消失的方向变化。
Handoff将过程知识连接到下一次对话
仅找到过去的思维过程是不够的。
您必须能够在新的对话中继续实际工作。
5BY.AI的Handoff基于选定的Anchor和记录的思维流组合下一次对话所需的上下文。
您可以在同一个AI的新聊天窗口中继续。
您也可以移动到不同的AI服务进行额外的分析或工作。
以下内容在Handoff中很重要：
- 当前目标
- 已确认的事实
- 尝试过但未使用的方法
- 用户选择的方向
- 要维持的条件
- 下一步要审查的问题
当这些内容被传达时，新对话不会在不知道过去失败的情况下开始。
您可以在已经获得的知识之上开始下一个尝试。
Graph View展示思考的运动而非结果
5BY.AI的Graph View是探索Pack、Anchor和Saved之间关系的空间。
不是查看按日期排序的对话列表，您可以检查以下流程：
- 最初的问题和假设
- 留下重要反论的Saved
- 因失败或新信息而改变的Pack
- 留下重要决策的Anchor
- 通过Handoff继续的新对话
- 随后修改或发展的想法
Graph View不以成功结果为中心将其余视为次要记录。
它让您探索假设、失败和判断变化如何相互连接产生了当前结果。
过程知识优先帮助未来的自己
保存思维过程不仅需要为了历史上的发明家或研究者。
当几天后回到过去的工作时，这也是您自己的问题。
您记得最终决策，但以下可能消失：
- 为什么选择了这个方法？
- 发现了什么风险？
- 已经测试了什么？
- 什么条件导致排除了其他方法？
- 您计划接下来验证什么？
如果过程坐标留下，您可以减少从零开始重新思考相同问题。
您可以在过去的自己获得的知识之上开始下一个判断。
组织应传承决策过程而非仅成功案例
在组织中也一样，结果留下但过程容易消失。
当负责人更换时，文档和完成的功能留下，但为什么做出那些决策可能没有被传达。
新负责人必须再次询问：
- 为什么选择了这个结构？
- 是否已经审查过其他方法？
- 什么失败导致了当前的标准？
- 那时的条件仍然有效吗？
- 改变什么会导致过去的问题再次发生？
如果思维过程留下，新人就不需要要么盲目跟随过去的决策要么从头重复所有实验。
他们可以理解过去决策的依据，并继续适应当前情况。
这比移交交付物是更深层的知识传承。
不仅是结果，接近答案的过程也是知识
我们从发明和成功的结果中学到很多。
但仅凭成功的结果，下一个人难以在同等水平上做决策。
您需要能够看到形成了什么假设、什么失败了、以及那些失败如何改变了下一个方向。
成功的结果展示答案。 失败和修改的记录展示接近答案的方法。
5BY.AI旨在帮助AI对话中揭示的思维过程不在聊天窗口中消失。
不是为了保存所有失败。
而是留下值得重新理解和继续的假设、决策和方向转变的坐标。
如果我们不仅能学习爱迪生完成的结果还能学习他的实验过程，那将成为更伟大的知识。
对于今天我们与AI创造的想法，我们需要一种不让那个过程消失的新方法。
5BY.AI旨在保存的不是成功答案的列表。
它是人们提问、失败、改变判断并走向下一个答案的过程知识。
相关文章和功能
- 书中未留下的思维过程——为什么5BY.AI致力于保存知识的上下文
- 人离开后知识和技能能存续吗？
- AI时代的集体智慧：为什么思维过程和上下文必须一起保存
- 5BY.AI用于恢复AI对话的Anchor不是简单的保存
- 5BY.AI Pack将AI对话的上下文边界分组不是主题
- 打开5BY.AI Graph View