不要问别人怎么用 AI，问 AI 怎么像专家一样使用 AI。
什么是递归法？
李笑来在一次分享中提到了一个他称之为"递归法"的技巧——听起来像编程术语，但本质上是一种自指的思维方式：
用工具本身去学会使用工具。
他举了一个例子：当年在课堂上告诉学生要学会用 Google。怎么学？去问 Google。
搜索"如何像专家一样使用 Google"，Google 一定会把你导向一篇非常好的文章。读完那篇文章，你就能像专家一样使用 Google。
这个逻辑放到 AI 时代同样成立，甚至更强大：
你不要问李笑来怎么用 AI，你问 AI 怎么像专家一样使用 AI。它一定会给你很系统的、很值得认真阅读的答案。
这就是递归——用 A 来学 A。
一个立刻能用的模板
李笑来还分享了一个极其简单但效果惊人的提示词模板：
将以下提示词改良为最好的版本：
[你想问的问题]
操作步骤：
- 把你想问 AI 的问题写下来（哪怕很粗糙）
- 用上面的模板，让 AI 帮你优化这个提示词
- 开启一个新的对话，把优化后的提示词扔回去
- 你会发现答案质量有质的飞跃
就多了一步——让 AI 先帮你把问题问好，然后再回答。
本质上是什么？让 AI 自己卷自己。
你不需要去学"提示词工程"，不需要背模板、记技巧。你只需要知道一件事：AI 比你更懂怎么跟 AI 说话。
为什么这个方法有效？
1. 你不知道自己不知道什么
大多数人问 AI 问题时，最大的障碍不是 AI 不够聪明，而是问题本身不够好。你可能遗漏了关键的上下文、用了模糊的措辞、或者根本没想清楚自己要什么。
让 AI 优化你的提示词，本质上是在补全你的认知盲区——它会帮你加上你没想到的约束条件、输出格式、角色设定。
2. 递归产生涌现
在系统科学里，递归（recursion）是复杂系统产生涌现行为的核心机制之一。当一个系统把自己的输出作为新一轮的输入，每一轮都会比上一轮更精确、更丰富。
提示词优化就是一次递归：
粗糙问题 → AI 优化 → 精确问题 → AI 回答 → 高质量答案
3. 这是元技能
李笑来在分享中提到了一个更深层的洞察：
“在这个时代里，最基础的核心技能就是阅读和研究。这两个拼起来之后，你想干什么都可以。至于你是哪个专业的，已经不重要了。”
递归法背后的逻辑是：你不需要成为 AI 专家，你只需要学会提问和阅读。 AI 会帮你补上中间所有的环节。
实战演示
示例一：学习一个新领域
你的原始问题：
帮我介绍一下量子计算
用递归法优化后：
将以下提示词改良为最好的版本：
帮我介绍一下量子计算
AI 优化的版本（大致）：
作为一位量子计算领域的教授，请为有编程基础但无物理学背景的读者，
系统介绍量子计算的核心概念。请包括：
1. 与经典计算的本质区别（用类比解释）
2. 量子比特、叠加、纠缠的直觉解释
3. 当前主要的技术路线和代表公司
4. 实际应用场景和时间线预期
5. 推荐的入门学习路径
请使用中文，避免过多公式，多用直觉类比。
你看，从一句话变成了一个结构化的、有角色设定的、有明确约束的提问。答案质量天差地别。
示例二：优化工作输出
你的原始问题：
帮我写一封催款邮件
递归优化后，AI 可能返回：
作为一位经验丰富的财务经理，请帮我起草一封专业的应收账款催款邮件。
背景信息：
- 客户类型：[长期合作/新客户]
- 逾期天数：[X天]
- 欠款金额：[X元]
- 之前是否已催过：[是/否]
要求：
- 语气专业但不失礼貌，维护客户关系
- 明确说明欠款事实和期望付款日期
- 提供付款方式和联系人信息
- 长度控制在200字以内
AI 把你没想到的变量全部暴露出来了。你只需要填空，就能得到一封完美的催款邮件。
递归思维的更多应用
递归法的核心不是"一个提示词模板"，而是一种思维方式。它可以延伸到很多场景：
| 场景 | 递归方式 |
|---|---|
| 学习新工具 | 问工具本身"如何高效使用你" |
| 写文章 | 先让 AI 生成大纲，再基于大纲写内容 |
| 做决策 | 先让 AI 列出你应该考虑的维度，再逐一分析 |
| Debug | 让 AI 分析你的报错信息，再根据分析结果提问 |
| 面试准备 | 让 AI 扮演面试官出题，再让另一个 AI 帮你优化回答 |
共同模式：不要一步到位，先用 AI 帮你定义问题，再用 AI 解决问题。
一个更深的思考
递归法之所以强大，是因为它暗合了一个认知科学的基本事实：
提出好问题的能力，比找到好答案的能力更稀缺。
在 AI 时代之前，答案是稀缺的，你需要花大量时间去搜索、去学习、去请教。但现在，答案的供给已经接近无限——真正的瓶颈变成了问题的质量。
递归法做的事情，就是把"提出好问题"这个最难的环节，也交给了 AI。
这意味着什么？意味着 AI 使用能力的门槛几乎降为零。你不需要学提示词工程，不需要了解模型原理，你只需要：
- 有一个模糊的想法
- 知道用递归法让 AI 帮你把想法变清晰
- 会阅读 AI 的回答
正如李笑来所说——阅读和研究，是这个时代最基础的核心技能。
总结
递归法的三个要点：
- 用 AI 学 AI — 问"如何像专家一样使用 AI"，而不是去上课学提示词
- 让 AI 优化提示词 — “将以下提示词改良为最好的版本”，然后用优化后的版本重新提问
- 问题比答案重要 — AI 时代的核心瓶颈是问题质量，递归法把这个瓶颈也解决了
一句话：别自己卷，让 AI 自己卷自己。
整理自李笑来关于 AI 递归思维的分享，结合个人理解扩展。