为什么你要先卖“可执行卡片”，再卖“完整方法论”？
《问题271》人工精修选题，双域证据作答。
为什么你要先卖“可执行卡片”，再卖“完整方法论”？
这是写给做 ADHD 内容/产品的人的一篇,但它的原理对每个「想把经验传给别人」的人都适用。常见的路径是:把自己趟出来的经验,整理成一套完整方法论——十章框架、配套理念、循序渐进的体系——然后发现 ADHD 受众根本用不动它;而反过来,一张卡片大小的「今晚就能做的三步」却被疯狂收藏、真实执行、口口相传。先卖可执行卡片,再卖完整方法论,不是营销技巧,是被两侧机制共同决定的交付顺序:对 ADHD 用户,可执行性是理解的前提,而不是理解的结果;对 LLM,这条原理有个孪生兄弟——few-shot 示例胜过长篇指令。
先讲 LLM 侧这个成熟的发现。提示工程的反复验证:想让模型做对一件事,给三个具体示例(few-shot),通常胜过给三千字的抽象规则——示例是可直接模仿的行为模板,规则需要模型先理解、再推演、再落地,每一步都会漏;更工程化的表述:指令的可执行性与其抽象层级成反比——「要专业」是最抽象也最无效的指令,「像这个例子一样,先列数据再给结论」是最具体也最有效的。方法论与卡片的关系完全平行:方法论是抽象规则,卡片是 few-shot 示例——「建立你的外部执行系统」(理念)没人会动,「睡前把明天第一件事写在便签上贴屏幕」(卡片)今晚就会发生。
ADHD 侧的机制,让这个顺序更加不可逆:其一,启动成本的不对称——完整方法论的第一步是「读完并理解体系」,这是一个数小时的开放任务(启动闸拉满);卡片的第一步是一个两分钟动作(启动闸几乎为零)——对启动敏感的人群,交付物的第一步成本决定了它的执行率;其二,工作记忆的容量——十章框架在执行时需要「记住体系并定位当前步骤」,这恰恰是 ADHD 最贵的操作;卡片自带全部上下文(「今晚/便签/贴屏幕」),零检索、零推理;其三,信任的建立顺序——ADHD 用户被无数「完美系统」伤过(坟场篇),对宏大方法论的默认反应是怀疑;而一张卡片今晚生效,明早就兑现了一次「这真的有用」——只有攒够这种微小兑现,用户才会愿意投资去读你的方法论:卡片不是方法论的简化版,是方法论的信任发行机制。
操作层的翻译:①交付物倒置——先做十张卡片(每张=一个具体场景+三个具体步骤+一个当晚可验证的效果),方法论后置成「卡片背后的原理,给想深挖的人」;②卡片的合格线——用 few-shot 的标准审:一个从没读过你任何内容的人,拿到这张卡,五分钟内能不能开始动作?有一处需要「先理解个概念」的,打回重写;③体系从卡片长出来——十张卡片被真实用过之后,哪些被反复执行、哪些被丢弃、用户在哪里卡住——这些数据才是方法论该有的骨架(和 MVS 篇的「复杂度须挣得」同构:体系由使用挣得,不由构想预支);④内容平台的适配红利——卡片形态天然适配短内容分发(一图一卡),方法论天然适配长内容(文章/课程):先卡片后方法论,恰好也是流量漏斗的正确顺序——但注意因果:不是为了流量才做卡片,是卡片本来就是对 ADHD 受众唯一有效的第一次交付。
边界:其一,卡片不能替代方法论——卡片解决「今晚」,体系解决「长期」;只发卡片不给原理,用户攒一堆零件拼不成系统(所以是「先后」,不是「只要其一」);其二,可执行不等于有效——卡片的低门槛让烂建议也容易被执行,发卡人的责任反而更重:每张卡的建议要有证据基础,不确定的要标注(本系列的 GRADE 习惯);其三,同构是交付结构层面的——few-shot 的机制(上下文内学习)与人类执行的机制不同,共享的是「具体示例>抽象规则」的有效性结构。
边界
同构强度 B 级:few-shot 优于抽象指令有大量提示工程实证,ADHD 的启动成本与工作记忆约束有机制文献,「具体示例先行」的结构对应清晰;内容策略部分为实践经验,无对照研究。声明:面向 ADHD 人群的内容负有准确性责任,建议标注证据等级;本文不构成商业建议。
今天就能试的 3 件事
- 把你最想教的一件事压成一张卡:一个场景+三个步骤+当晚可验证——发给一个朋友,看 TA 会不会真的做。
- 审计你的输出:你最近分享的经验,是「要专业」型还是「先列数据再给结论」型?——抽象的,重写一版具体的。
- 给自己也用这招:你读过但没用起来的方法论,挑一本,把它压缩成三张卡片——体系用不动,卡片动得起。
抽象的规则漏在理解与执行的每一道缝里,具体的示例直接落在行为上——LLM 如此,ADHD 更如此。先发卡片,让今晚就有一次兑现;方法论,等信任攒够了再登场。
参考来源
同构强度：B 级 —— 机制类比（ADHD 侧与 LLM/agent 侧均有真实文献，机制可映射）
- ADHD Apps: We tested 44 Apps and Here’re the Best 9 in 2026 — 证据等级：低（GRADE）
- 12 AI Personal Assistants Built for ADHD Brains (2026 Rankings) — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Inhibitory control and emotion regulation in preschool child ↔ ObjexMT: Objective Extraction and Metacognitive Calibration — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Emotion-related self-regulation and its relation to children ↔ A Reproducibility Study of Metacognitive Retrieval-Augmented — 证据等级：低（GRADE）
- The 12 Best AI Tools for 2026 (That People Actually Use) — 证据等级：低（GRADE）
- The AI Powered SuperApp for Work | Motion — 证据等级：低（GRADE）
本文是「ADHD × AI」系列的第 176 篇，由 Devin 基于持续维护的双域研究语料（72,739 篇论文 + LLM Wiki）亲自撰写，并持续迭代更新。