六步共生飞轮

Definition（一句话定义）

一个通过"洞察→结构化→生成→判断→落地→学习"六步形成自我强化的人机共生生产系统——把所有认知能力"跑起来"的核心引擎。

Core Idea（核心思想）

AI 真正的价值，不在于生成内容，而在于形成飞轮。没有飞轮的 AI，只是在做体力活。

GN01 不是普通 Skill，它是整个 InnoLab 体系的发动机：

核心信念：普通人用 AI 在"做事"，这个模型是在"造机器"。

Use Cases（适用场景）

• 设计 AIGC / AI 驱动的内容生产系统
• 搭建可持续迭代的 IP 生成工作流
• 将个人判断能力沉淀为可复用的系统能力
• 团队从"手动做事"升级到"系统自动进化"
• 任何需要"做很多+选对+持续变强"的生产场景

Input（输入）

以下任一：

• 一个需要规模化产出的生产目标（内容/IP/产品/方案）
• 一个现有的 AI 工作流（需要诊断是否形成飞轮）
• 一个团队的能力现状（需要设计升级路径）

Output（输出）

按六部分输出：

1. 六步飞轮结构定义（每步由谁负责、产出什么）
2. 双闭环设计（内环效率 + 外环能力）
3. 职责分配（AI 做什么 / 人做什么）
4. 飞轮成熟度诊断（S/A/B/C/D 分级）
5. 关键陷阱预警
6. 能力沉淀机制设计

Steps（使用步骤）

Step 1｜洞察（Insight）

输入：信息 / 用户 / 趋势 / 数据
输出：可判断的问题
主导：人类

• 将外部非结构化信号转化为可判断的高价值输入
• 问：什么值得关注？什么变化正在发生？
• 产出不是答案，是"值得问的好问题"

Step 2｜构造AI（Structure）

输入：洞察出的问题
输出：AI 可执行的结构
主导：人类

这是最关键的一步——也是大多数人跳过的一步。

• 把"人的判断逻辑"转成"AI可执行结构"
• 不是写 prompt，是把判断逻辑工程化
• 包含：输入规范、处理流程、输出格式、质量标准
• 跳过这步 → 直接生成 → 没有结构 → 不可复用

Step 3｜规模生成（Generate）

输入：构造好的 AI 结构
输出：批量可能性空间
主导：AI

• AI 主导，在既定结构下系统性展开可能性空间
• 人只需要监督边界，不需要干预生成过程
• 生成量 = 探索空间的大小

Step 4｜筛选判断（Judge）⭐核心

输入：批量生成物
输出：筛选后的高质量产出
主导：人类（不可替代）

• 基于美学 / 商业 / 价值标准的裁决
• 唯一不可自动化的环节
• 这一步的质量 = 整个飞轮的上限
• 判断不沉淀 → 每次都靠感觉 → 无进化

Step 5｜转化落地（Execute）

输入：判断后的产出
输出：真实世界的结果
主导：人机协同

• 让判断承担后果，接受现实反馈
• 没有这步 = 飞轮断裂（纸上谈兵）
• 落地形式：上线产品 / 发布内容 / 执行方案 / 交付客户

Step 6｜强化学习（Learn）

输入：落地结果 + 反馈数据
输出：更新后的判断结构与 AI 配置
主导：人类 + 系统

• 基于反馈更新判断结构与 AI 配置
• 把结果反哺系统，形成下一轮更强的起点
• 这一步做不好 = 飞轮转但不加速

双闭环结构（模型的灵魂）

┌─────────────────────────────────────────────────┐
│                  外环（慢循环）                    │
│         ①洞察 → ②构造AI → ⑥学习                 │
│         👉 提升能力（做得对）                     │
│                                                   │
│    ┌───────────────────────────────────┐         │
│    │          内环（快循环）             │         │
│    │    ③生成 → ④判断 → ⑤落地          │         │
│    │    👉 提升效率（做得快）           │         │
│    └───────────────────────────────────┘         │
└─────────────────────────────────────────────────┘

核心洞察：内环优化"做得快"，外环优化"做得对"。

• 只有内环 → 越做越快，但方向可能是错的
• 只有外环 → 方向很对，但没有产出
• 双环完整 → 既快又对，持续加速

Output Format（输出格式）

# 🚀 [项目名] · 六步共生飞轮设计

## 飞轮结构
| 步骤 | 定义 | 负责方 | 输入 | 输出 |
|------|------|------|------|------|
| ①洞察 | [定义] | 人 | [输入] | [输出] |
| ②构造AI | [定义] | 人 | [输入] | [输出] |
| ③生成 | [定义] | AI | [输入] | [输出] |
| ④判断 | [定义] | 人 | [输入] | [输出] |
| ⑤落地 | [定义] | 人机 | [输入] | [输出] |
| ⑥学习 | [定义] | 人+系统 | [输入] | [输出] |

## 双闭环设计
- 内环（③→④→⑤）：[效率提升机制]
- 外环（①→②→⑥）：[能力沉淀机制]

## 飞轮成熟度
当前等级：[S/A/B/C/D]
依据：[为什么是这个等级]

## 关键陷阱
- [陷阱1]：[描述] → [应对]
- [陷阱2]：[描述] → [应对]

## 能力沉淀机制
[如何确保每轮循环都在积累]

飞轮成熟度分级

90% 的人停在 C 级。

经典案例

案例 1：IP 生成系统

①洞察：用户想创造IP但不会表达 → 发现"IP表达"是核心需求
②构造AI：设计"IP生成结构 + 标签体系 + 质量标准"
③生成：AI批量生成IP变体（形象/性格/故事线）
④判断：人筛选"有商业潜力的IP"（审美+市场双标准）
⑤落地：做商品/内容/联名
⑥学习：总结哪些IP成功 → 更新判断标准 → 下一轮更强

成熟度：A级（六步完整，但学习环节可加强）

案例 2：知识内容生产系统

①洞察：某领域信息密度高但结构化差 → 用户需要"消化过的知识"
②构造AI：设计"选题标准 + 写作框架 + 质量检查清单"
③生成：AI按框架批量产出初稿
④判断：人筛选"值得发的" + 润色关键段落
⑤落地：发布到各平台 → 收集阅读/互动数据
⑥学习：分析爆款规律 → 更新选题标准和写作框架

成熟度：S级（双闭环完整，内容质量持续提升）

案例 3：产品需求筛选系统

①洞察：用户反馈/竞品动态/市场数据
②构造AI：设计"需求评估矩阵 + KANO分类标准"
③生成：AI对所有需求做初步分类和评分
④判断：产品经理基于AI评分做最终取舍
⑤落地：排入开发计划 → 上线 → 收集数据
⑥学习：验证需求分类是否准确 → 更新评估标准

成熟度：B级（有生成+判断，但⑥学习薄弱）

常见陷阱

方法关系

标准调用 Prompt

设计飞轮

请使用「六步共生飞轮（GN01）」设计一个生产系统：

输出：
1. 六步分别如何定义
2. 哪些环节由AI负责，哪些由人负责
3. 内外飞轮如何运转
4. 如何实现能力沉淀
5. 当前成熟度预估（S/A/B/C/D）

诊断飞轮

请使用「六步共生飞轮（GN01）」分析以下系统：

输出：
1. 是否具备完整的六步
2. 当前等级（S/A/B/C/D）+ 依据
3. 哪一环缺失或薄弱
4. 如何补齐 → 给出具体行动

关键洞察

这个模型最厉害的一点是：把"AI使用"升级成"能力复利系统"。

• 普通用 AI → 做事（一次性的）
• 用飞轮 → 造机器（持续进化的）

三层价值：

1. 效率层：内环让产出变快
2. 能力层：外环让判断变准
3. 复利层：双环叠加让系统每轮都更强

参考资料

• 首次发表：AIGC创作方法论 / 造物云内部
• 体系定位：InnoLab Generation Engine 核心生产引擎
• 视觉化建议：内外双飞轮图（强烈建议制作）