最近我有一个挺强烈的感受，想记下来。
关于刻意练习。
先说一个概念，你可能也听过——《思考，快与慢》里的系统1和系统2。
简单说，系统1是直觉反应，快但不精确；系统2是理性分析，慢但可靠。人脑的默认设置是能不用系统1就不用系统2，因为费劲。所以我们学习任何新技能的过程，本质上都是把系统2才能处理的事情，通过反复练习，变成系统1可以直接调用的本能。
比如开车，新手每一下都要想，老司机手脚自动配合——这就是系统1接管了系统2。
然后说回我用AI的事。
即使我现在天天在用Codex和其他AI工具，我发现自己还是会在某些熟悉的场景里，本能地绕开AI，走回老路。
举两个最近的例子。
第一个，上周末在处理一份产品手册，客户要一份脱敏版本，原始文件是工厂出来的，里面有很多工厂信息。这件事我自己手动做过很多次，非常熟练。所以我的第一反应是：打开编辑软件，自己删。删了一会儿发现有些内容不好处理，又试截图，甚至打开Mac里虚拟机的Windows去做图片编辑。
折腾了大概10分钟，我突然回过神来——我为什么不让Codex试试？
然后我把前因后果跟Codex说清楚：这个东西是什么、要给谁、我是谁、我有什么要求、我能给你什么权限……它处理了几分钟，这事就搞定了。
第二个，在日常的使用中偶尔会遇到系统问题，有时候我会本能地先去Google自己搜，这本身不是坏事——你自己搜一遍能得到真实体感，不至于被AI给的方案带着绕圈，因为AI在特定问题上不一定靠谱，尤其是系统类的问题。
但我后来想，其实我遇到的问题大概率别人也遇到过，我不应该第一反应是自己去搜，而是可以让DeepSeek帮我去搜，给我来源，并告诉我为什么它认为这个结果和问题相关（用DeepSeek是因为它的联网搜索比ChatGPT快，你懂的）。
这两个例子让我意识到一件事：
即使我看似已经深度使用AI，但在那些自己特别熟悉的路径里，我还是没有把“先让AI试试”这件事做到位。
本质上是什么？
是路径依赖。因为我知道什么是更有效的，或者我知道最终的解决方案是什么，所以当我有具体方法的时候，我就不会去思考“这件事其实AI也能做，我为什么不让AI做？”
换句话说，我在自己熟悉的领域，默认启动了系统1——而我的系统1里，还没有把“先问AI”这条路径焊死。
那怎么办？
刻意练习。
不是练怎么用AI，而是练一种条件反射：当你遇到一个问题的时候，脑子里有一个声音打断你一下——“你为什么要自己去做？你应该先让AI试一试。”
反正试一试也没什么成本，大不了烧点儿token也就试出来了。
这件事说起来简单，做起来挺难的。因为路径依赖是刻在系统1里的，它跑得比你快，大概率是你还没来得及想，手已经动了。
所以我现在在练一个动作：遇到任何需要“处理一下”的任务，先停两秒。
就两秒。
问自己一个问题：这件事，能不能用一段话描述给AI，让它先跑一跑？
能？就先让AI试。
不能？其实可能不存在不能。
这个习惯还在养，我还没做到每次都能想起来，但最近几次刻意练习的时候，效果都还不错。
可能这就是刻意练习的意义——不是学新东西，是把“已经知道但还没变成本能”的事情，用足够的重复次数，硬塞进系统1里。
今天先记到这里。