近期观察同事做事发现，有些人表现出来的方案是低质量的模式识别：通过识别当前情境与过往经验之间的相似结构，直接调用过往经验。只要条件稍有变化，就会停住，不会向下思考也不会自己主动解决问题。想贴着生活来讨论一下个人解决问题的能力如何增长？不涉及某些过于概念化的知识（符号学、现象学、脑科学、成功学等）。
解决问题时，光谱的两端是两种截然不同的路径：一侧是从零开始的思考和推理，另一侧是对经验的使用。拿学生时代解数学题来做例子，极端情况下，有人什么公式都不知道，却可以靠推导把解法完整做出来；也有人完全不会推导，但记住了大量公式，每一种情况都能找到对应的套用方式。
但是人不是机器，记不住那么多的公式，所以纯右边的道路走不通，于是要混合着前行，既调用一部分经验，又通过思考来弥合经验与现实的落差，把问题映射到自己熟悉的结构中解决。偶尔忘记的公式也能从零开始推一下。
在这个框架下，这看似相反的两条路径其实是一体两面：要让有限的经验发挥出近乎无限的效果，所依赖的洞察力和推理能力，实际上与「从零开始自己推」的能力是相同的。越是能把经验用好的人，反而越不需要经验。
但真的不需要经验么？非也。比如高斯能独立自己推出微积分，但如果他站在巨人的肩膀上，只会取得更加闪光的成就。我们可以认为经验是一个边际效益递减非常大的乘区，在早期他会提供非常明显的帮助。
人在从零到入门的阶段，经验的边际收益极高，以游戏开发为例，从完全外行到入门，了解游戏开发的流程，基础的各类工具使用，这个阶段经验本身几乎压倒一切。我们还是贴着生活去讨论，并不讨论过于抽象范畴上的经验。
但当一个人已经掌握了基本方法，开始面对更复杂的问题时，单纯增加经验的收益会迅速下降，这时真正拉开差距的，不再是「知道多少规则」，而是「是否具备主动性」。
「主动性」，无论是天赋还是习得的，无论是态度还是能力，最终表现出来的主动追问、主动落地的能力被我称之为「主动性」。这种主动性是享受上文提到的天赋和经验的双重乘法的，主动性越强，越能迁移更多经验，越能创造更多推理，两者一结合，会产生巨大的飞跃。老话说，学而不思则罔，思而不学则殆。
有人说在大厂做游戏就是在「雕花」，有时我也有类似的感觉。在工作中很多时候并不会感到明显的成长。大量日常问题本身是可预期、可解决的，更多是在持续输出已有能力，为项目搬砖。这个过程里，经验似乎积累了，但对个人能力并没有带来显著提升。或许这个时候我们该寻找的是经验之经验，真正的「元经验」，又或是简单一点，经验中的「好经验」？
如果说主动性是迈步往前走，那么下一步就是往什么方向走？真正带来跃迁的，往往来自那些结构复杂、边界模糊、需要反复试错的问题，要么是非常复杂的问题，要么是框架性的问题。面对这些问题，主动性才能带来真正的成长。
如果一个人的主动性和思考深度足够，它们就会被内化为新的经验，成为下一次决策的隐性依据。当这种重构发生过之后，一个显著的变化是：你会有一个感觉或判断，你未必能立刻把所有细节推论清楚，或者暂时说不出这么做会引发多少具体问题，但你知道这是一个方向。
如果用增长曲线的说法：
- 第一增长曲线是从零到一的经验
- 第二增长曲线是入门之后的主动性
- 第三增长曲线是解决难的、正确的问题
