先别谈大模型。先想想一副牌。
一副新牌出厂时顺序整整齐齐。你洗牌、抽牌、把赢的那几局打法记住——三件事里，哪一件最累？洗牌最轻松，哗哗两下就完；记住好打法也不难；真正累的是判断哪一局打得好、为什么好。打牌如此，进化如此，一家公司使用 AI 的方式，也如此。
这本书从一个类比出发：生物进化靠三个齿轮——变异、选择、复制。每一代有点不一样（变异），环境挑出品合适的（选择），合适的特征扩散到整个种群（复制）。这套机器不只长在生物身上：菜谱、商业模式、软件版本，都是这么进化的。
你们公司的知识资产——那些提示词、诊断流程、检查清单——也是这么进化的。或者准确地说：本来应该这么进化。
然后 AI 来了，把第一个齿轮的成本打到几乎为零。方案一分钟生成二十个，代码一天几千行。变异狂飙，但选择和复制没有跟上——于是瓶颈搬家了，搬到一个大多数组织完全没有准备好的地方：验证。
这本书讲的就是瓶颈搬家之后的事：
- 为什么「AI 给的建议看起来都对」反而是最危险的（第四章、第五章）；
- 为什么一段提示词的迭代速度，取决于多少人用、多少发现被写回来——一个人用和全医院用，差着两个数量级（第六章）；
- 为什么业务专家不进场当验证者，知识资产就长不起来，而专家自己的价值也在悄悄缩水（第七章）；
- 怎么把验证嵌进工作流、让发现三十秒内回流（第八章）；
- 以及，验证通过之后，为什么改进还常常死在最后一步——复制（第九章）。
读完你能回答一个问题：当变异免费了，一个组织的知识资产靠什么继续进化？答案不在 AI 身上，在「谁来判卷」身上。
从第一章那三个齿轮开始。