第一性原理
从”经验思维”切换”原理思维”
大多数人遇到问题，直接想到的是”别人怎么做”，”有什么经验”，”我以前怎么做”，这叫做”经验驱动”或”归纳思维”。
作者说归纳法只能“证伪”而不能“证明”；很多人错误把观察到的经验当作永远成立的规律。
个人认为经验不是不重要，但是如果想要创新或者变化可以尝试换种思路。可以尝试这如果我什么都不知道，只能从物理、逻辑、人性等最基本事实出发，这个问题该怎么解？举个例子。
- 普通思考：别人做机器人都用激光雷达，那我也买一个。
- 第一性原理思考：我真正需要的是什么？——是“定位和避障”。那除了激光雷达，还有哪些更轻、更便宜、更快的传感方式？（如视觉+深度估计）
具体实践，下次做决策前，可以问三个“为什么”：
- 为什么要这样做？（目的）
- 这个做法背后的假设是什么？
- 有没有更基本的方式能实现同样目标？
示例别人造火箭：成本高达 6500 万美元／枚。
马斯克拆解问题：
为什么这么贵？ → 因为整枚一次性使用。
火箭材料本身多少钱？ → 约 2% 成本。
于是推导出：“如果能重复使用，就能极大降低成本。”
→ 结果：SpaceX 把火箭回收做成现实。
实践框架
| 步骤 | 操作 | 举例（以“我要做陪伴机器人”为例） |
|---|---|---|
| 拆表象 | 不接受现成定义，把问题重新写成最本质的描述 | “陪伴机器人”不是一个产品名，而是“提供情感反馈的互动系统” |
| 找基本变量 | 从物理、人性、逻辑出发找出不可再简化的要素 | 情感反馈=输入（识别）+输出（回应）；用户的“情感需求”是常量 |
| 建立约束 | 确认哪些是自然法则或必然约束 | 能量、算力、隐私、延迟、人机信任等限制 |
| 从零推演 | 在不依赖旧逻辑下重新组合要素 | 如果隐私最重要 → 本地 LLM；如果实时性最重要 → 云端 + 缓存模型 |
| 验证与调整 | 小范围实验，验证假设是否成立 | 做原型机测试 10 个用户，看他们是否真正感到被“陪伴” |
核心心法：从”别人怎么做” → “底层逻辑怎么推” → “我如何从根搭建”。
当做到”在任何复杂问题中，迅速识别哪些是变量、哪些是不变量”，就已经在用第一性原理思考了。
举个例子（机器人 + AI）：
- 不变量：物理世界、延迟、运动控制、人机交互需求
- 变量：模型架构、算力价格、用户体验习惯
掌握不变的规律，变量的创新就可以灵活推演。