第六章 搜索空间

问题的问法，已经决定了答案的上限

一个产品团队被同一个问题困扰了半年：新用户引导流程的流失率高达 60%。

他们问 AI："如何优化我们的新用户引导流程，把流失率从 60% 降到 40%？"

AI 给出了堪称教科书的回答：精简步骤、减少必填项、增加进度提示、优化文案、提供跳过选项。团队照着执行了两个迭代，流失率从 60% 降到 55%，然后不动了。

两个季度后的一次复盘会上，有位刚加入的成员换了个问法。他问 AI 的不再是"如何优化流程"，而是：

"一个新用户打开这类产品时，他真正想完成的是什么？引导流程在这个过程中扮演什么角色？"

这次的回答让会议室安静了几分钟：这类产品的用户根本不想"被引导"，他们想立刻体验到核心价值；引导流程本身就是流失的原因，而不是流失的解药。团队后来砍掉了大半引导步骤，让用户直接进入核心功能，流失率降到了 30% 以下。

同一个 AI，同一个产品。第一种问法里，AI 的知识、推理能力一样不少，但它所有的聪明才智都被用来回答"如何优化流程"——答案的上限，在问题问出口的那一刻就已经封顶了。

限制回答质量的，往往不是 AI 的能力，而是问题替它划出的那块空间。

空间是被问法塑造的

第三章给过定义：搜索空间（Search Space）是一次搜索实际可探索的可能性范围。前两章分别讲了起跑状态（初始化）和评判标准（目标），本章处理的是两者之间最广阔的一块：这次搜索能去哪些地方。

关键在于：搜索空间不是固定的地形，它是被提问的方式现场塑造的。"如何优化引导流程"划出的空间，只包含"流程的改良"；"用户真正想完成什么"划出的空间，才包含"流程该不该存在"。AI 再强，也只能在被划出的空间里搜索。

好消息是，划空间的手法是有限的。把实践中所有有效的操作归纳起来，塑造搜索空间的控制参数一共八个，它们自然地分成三组：重塑空间的位置（起点、方向），重塑空间的形状（广度、深度、边界、约束），重塑空间的坐标（时间、抽象层级）。

第一章用过三个变量——起点、方向、范围——当时说过，它们会在四层模型里获得更精确的定义。本章就是兑现的时候：起点和方向原样保留，"范围"则展开为边界与约束两个参数，另外再添上五个新维度。

第一组操作：重塑空间的位置

起点：回到问题本身

一个方案讨论得越久，思考的起点就被这个方案占据得越牢。"如何优化引导流程"的起点是"引导流程"，于是一切搜索都从"流程存在"这个前提出发——前提本身反而成了唯一不被检验的东西。

搜索起点（Search Reset）做的就是把起点从答案里拔出来，重新插回问题里。它的经典操作是第一性原理（First Principles）：抛开既有方案，回到最基本的事实重新推导；以及根源分析：不停下来修症状，一路追问到 Root Cause。开头那位新成员做的就是一次起点重置——从"流程怎么改"回到"用户要什么"。

什么时候需要重置起点？当你发现讨论一直在方案的细节里打转，所有人都在打磨、没人在质疑时，起点多半已经被方案占据了。

方向：主动选择探索的朝向

起点决定从哪出发，方向决定朝哪儿走。第一章已经详细讲过搜索方向（Search Direction）：默认搜索只朝着你给定的方向走，而一句"请站在反方立场"，就能显式开辟一个相反的方向。这里只补一句它在八个参数里的位置：方向是成本最低、见效最快的参数——一句话就能开辟，但它改变不了空间的大小，只能改变朝向。空间本身的问题，要靠后面的参数。

第二组操作：重塑空间的形状

广度：对抗第一条路径的诱惑

让 AI 给个方案，它会给一个；让 AI 给十个完全不同的方案，第十个往往比第一个好。这不是因为第十次更努力，而是因为第一条路径通常是最大众、最平庸的那条——它是概率最高的路，也是所有人都走过的路。

搜索广度（Search Breadth）就是强制增加路径的数量：头脑风暴、一次给出多种方案、树状展开（Tree of Thoughts）都是广度的操作。广度的价值不在"多"，而在于它推迟了收敛——让搜索先在空间里铺开，再决定往哪深入。它是对抗局部最优的第一件武器。

深度：对抗停在表面

广度管"铺开"，深度管"走下去"。搜索深度（Search Depth）增加的是单条路径上的推理层数：一步一步分析（思维链）、连续追问五个为什么（Five Whys），都是在加深路径。

表面答案和深层答案的区别，往往就是层数的区别。问"用户为什么流失"，浅层的回答是"流程太长"；再往下追一层是"流程占用了用户时间"；再追一层是"用户的时间预期是十秒内看到价值"——第三层才是能指导决策的答案。深度的操作，本质是不允许搜索在第一个合理的答案处停下。

边界：什么内容允许进入搜索

广度和深度改变搜索在空间里的走法，搜索边界（Search Boundary）改变的是空间本身的围墙：哪些内容允许进入这次搜索。

讨论一个功能设计，边界可以划在"功能内部"，也可以划到"整个产品"、"用户的工作流"、"所在行业"。边界划小了，结果就是第一章的局部最优——围墙之内打磨得再精，也碰不到墙外的答案；边界划大了，搜索又会发散失焦。开头的案例里，"如何优化流程"把边界划在了流程内部，而"用户想完成什么"把边界推到了用户的工作场景，答案就是从这个扩大的区域里来的。

约束：方案必须满足的条件

搜索约束（Search Constraints）与边界容易混淆，但作用相反：边界圈定空间的范围，约束是在空间内部画出"可行区"——预算、法律、性能指标、现有接口、组织能力，方案必须落在可行区里才算数。

约束常被当成限制，实际上它是方案的磨刀石。没有约束的搜索会产出"正确但落不了地"的方案；约束越具体，可行区越清晰，方案反而越锋利。"预算五十万、三个月、不增加人手、必须复用现有网关"——每加一条约束，空间就小一圈，剩下的路径也更真实。第五章的评价函数管"什么算好"，约束管"什么算数"，两者配合，搜索才有落点。

第三组操作：重塑空间的坐标

时间：同一个决策，换一个时间尺度

很多争论的双方其实都对，只是时间尺度不同。要不要引入一个重量级框架？以三个月为尺度，它是负担；以三年为尺度，它可能是基石。时间维度（Time Horizon）就是把时间轴变成搜索的一个坐标：让搜索分别站在今天、一年、十年上重新审视同一个问题。

一个常用操作是"事后回溯"：假设三年后这个项目失败了，最可能的死因是什么——这等于把搜索搬到未来再回头看，很多当下看不见的长期风险会浮出来。第一章案例里"假设方案上线一年后彻底失败，写一份事后复盘"，用的正是这个参数。

抽象层级：争论常常发生在不同楼层

最后一个参数最隐蔽。抽象层级（Abstraction Level）控制搜索站立的观察高度：一个 Logo、一个功能、一个产品、一家企业、一个行业，是五个不同的层级。

很多会议上的各执一词，其实是双方站在不同楼层对话：一个人在讲按钮的颜色（功能层），另一个人在讲产品的价值主张（产品层），争论永远不会有结果，因为两个楼层看到的根本不是同一张图。显性切换抽象层级——"先不谈功能，从品类角度看这个问题"，或者反过来"先放下战略，落到用户看得见的那一步"——常常一句话就让僵局松动。Zoom out 看到结构，Zoom in 看到真相。

八个参数的全貌

三组八个参数，构成搜索空间层的完整控制台：

这张控制台不是 checklist——没有人每次提问都拧八个旋钮。它的正确用法延续第三章的诊断逻辑：先判断空间出了什么问题，再拧对应的那个。答案一直在打磨方案细节？检查起点。只有一个方向？补方向。方案平庸雷同？加广度。分析停在表面？加深度。答案落不了地？补约束。争论没有结论？看看双方是不是站在不同的抽象层级。

Prompt 映射

流传最广的那些 Prompt 技巧，绝大多数都作用在这一层。对照如下：

常见技巧	改变的参数
第一性原理、回到问题本身、Root Cause	起点
扮演反方、站在竞争对手视角	方向
头脑风暴、给出十种不同方案、树状展开	广度
一步一步分析、连续追问五个为什么	深度
从整个系统、行业、用户工作流的角度考虑	边界
限定预算、合规要求、性能指标、技术栈	约束
以十年为尺度评估、假设三年后失败做复盘	时间
从品类层面看、落到用户看得见的一步	抽象层级

这张表同时解释了本书反复出现的一个现象：为什么技巧清单永远背不完、也永远有人在发明新技巧——因为八个参数的组合是无限的。但反过来说，参数只有八个。看懂结构的人，面对任何新场景，缺哪个就拧哪个，不需要等别人发明对应的技巧。

项目案例

一个 SaaS 产品的增长停滞了半年，团队内部的讨论一直在"如何提升官网转化率"上打转。他们决定用搜索空间的控制台，对这个老问题做一次完整的重新搜索。

重置起点。他们先把"提升转化率"这个方案化的起点放下，回到问题本身："目标用户到底为什么愿意为这类产品付费？"AI 在这个新起点上的回答让团队第一次意识到：他们的核心价值主张和用户真正的购买理由之间存在错位——官网转化率低，可能只是错位的症状。

开辟方向。接着要求 AI 站在"试用后放弃的用户"立场，写一份放弃理由书。流失用户的视角暴露了第二个盲区：产品最强的那项功能，在官网上几乎没有出现。

加上时间维度。然后是一年前瞻："假设一年后增长依然停滞，最可能的根本原因是什么？"这次搜索把讨论从页面优化拉到了品类位置：如果错位不解决，所有转化率优化都是在给错误的价值主张引流。

校准抽象层级。最后，团队把讨论从"按钮与文案"（功能层）显式提升到"我们在品类里占据什么位置"（行业层），重新定义了首页要传达的第一句话。

四轮搜索之后，团队做的事情不再是优化转化率，而是重写价值主张和首页叙事。三个月后，转化率自然回升——但它已经只是结果，而不是目标了。值得留意的是：四轮搜索用的全是同一个模型，没有任何新技巧，只是有人开始有意识地操作空间参数。

另一个案例：写一部小说

第二个案例，从一个写作者的挫败开始。

他先用最常见的方式让 AI 协助写小说："帮我续写一段。"AI 写得很快，文字流畅，结构工整。但他越读越觉得不对：这些段落像一百本小说的平均值。主角发现真相，必定震惊；遭受背叛，必定愤怒；雨总会在该下的时候下起来。

这不是模型不会写。第二章说过，搜索的每一步都沿概率最高的方向走——而通俗桥段在认知空间里概率最高。AI 写小说最大的特点，就是它总在写"最像小说的小说"：默认路径的尽头不是好也不是坏，是俗套。

于是他开始操作空间参数。

用广度对抗俗套。他不再说"续写一段"，而是要求 AI 把这个场景的走向尽可能多地列出来，彼此必须截然不同。清单呈现出清晰的规律：排在前面的，都是"震惊—愤怒—复仇"这类桥段的变体；越往后，真正陌生的东西才越多。这个实验谁都可以复现：同一个场景，让 AI 把走向一直列下去，你会亲眼看到清单头尾的差别。最先出现的路径是所有人的路，走到后面，才有可能是他的路。

用方向换一个讲述者。一场关键的对手戏写僵了，他让 AI 用反派的视角重写同一事件。场景没变，意义全变了：主角的正义，在对方嘴里成了傲慢。这一幕从此有了两副面孔，读者得自己判断谁在说谎。

用约束逼出个性。他发现 AI 的"安全写法"有个三件套：下雨、回忆、内心独白。于是他下了硬约束："这一章，不许下雨，不许回忆，不许内心独白。"熟悉的退路被一一堵死后，AI 被迫寻找新的表达方式——一段依赖动作和对话推进的文字出现了，反而有了他想要的个性。这再次验证了本章那句话：约束不是限制，是磨刀石。

用重置起点治卡文。卡文时，"下一段写什么"是个被污染的起点——它让搜索困在卡住的地方打转。他改问："这个角色此刻最想要什么？最怕失去什么？"搜索从情节回到人物，路就开了。

写长篇时，他还撞上了第八章那位"失忆专家"：第三章人物的瞳色，到第十七章对不上了。解法也和第八章一样——他把设定集、人物档案整理成文档，每次写作时带上相关切片；另附两页自己满意的段落作为文风示例。前者是搜索配置，后者是搜索偏置，前后矛盾和风格漂移同时收敛了。

这个案例里没有一个字涉及工作流程，但它和前面的 SaaS 案例共享同一套控制台。原因很简单：这套理论处理的从来不是任务的类型，而是认知搜索本身——只要 AI 在认知空间里沿概率行走，俗套就是所有领域的默认路径，而起点、方向、广度、约束，在任何领域都是同一组旋钮。当然，边界也依然清晰：AI 能把空间铺得比你大，但哪条路算好，评价函数永远在作者手里——小说领域的验证器，是读者最贵的那种耐心。

容易混淆

"八个参数，是不是每次提问都要全部用上"

不是。八个参数存在的意义是提供诊断的坐标——当前搜索的空间问题属于哪一类，就操作对应的参数。每次都全用，等于每次修车都把整辆车的零件换一遍。

"边界和约束，是不是一回事"

方向相反。边界决定哪些内容允许进入搜索——它划定空间的围墙；约束决定方案必须满足什么条件——它在围墙之内画出可行区。边界太小导致局部最优，约束缺失导致方案落不了地，两者的症状完全不同。

"广度和深度，是不是互相矛盾"

它们作用于搜索的不同阶段，正确的顺序是先广度后深度：先用广度铺开候选路径，再用深度把选中的路径走到底。只有广度没有深度，得到一堆浅方案；只有深度没有广度，可能在一条平庸的路上走得极深。

本章总结

本章从一个真实的转折开始：同一个 AI，"如何优化引导流程"得到的是改良清单，"用户真正想完成什么"得到的是砍掉流程——答案的上限，在问题划出的空间里就已封顶。

搜索空间由八个参数塑造：起点与方向重塑空间的位置，广度、深度、边界、约束重塑空间的形状，时间与抽象层级重塑空间的坐标。流传最广的 Prompt 技巧大多作用在这一层；而看懂结构的人不需要技巧清单——参数只有八个，缺哪个拧哪个。

两个案例分别验证了这套控制台的半径：SaaS 团队用它把"优化转化率"重构为"重写价值主张"，写作者用它把 AI 从"最像小说的小说"里拉出来。一个在工作场景，一个在创作场景，旋钮却是同一组——因为它作用的对象从来是搜索，不是任务。

现在，回答每章都要回答的那个问题：

本章讨论的，是搜索系统的哪一部分？

答案是：四层模型的第三层——搜索空间，也是控制参数最密集的一层。至此，搜索从哪里开始（初始化）、为了什么（目标）、能去哪里（空间）都已就位。剩下的最后一个问题是：搜索具体怎样一步一步地执行、反馈、纠错和停止？那是第四层——搜索运行，下一章见。

章节信息

• 所属篇目：第二篇 · 一次认知搜索
• 对应设计文档章节要点：搜索起点、搜索方向、搜索边界、搜索广度、搜索深度、搜索约束、时间维度、抽象层级（全书最重要章节）
• 本章回答的核心问题：它改变了搜索系统哪一部分？——四层模型的第三层：搜索空间，八个控制参数分三类：位置（起点、方向）、形状（广度、深度、边界、约束）、坐标（时间、抽象层级）