说起分类这事儿，老祖宗早就点透了：道生一，一生二，二生三，三生万物。

万事万物的演化起点，往往就在“怎么分、怎么归类”上。 分类的颗粒度是否清晰，直接决定了后续判断是否扎实。做复杂分析的人，对这一点体会最深。

那好，今天咱就聊聊，怎么用AI真正把“分类”这件事做利落。

一、MECE原则

假设要对AI的展示形态进行分类，主流看法通常分为三种：嵌入式、伴随式、沉浸式。

它们之间的核心差异到底是什么？ 这个问题可以直接拿去问AI助手，比如Kimi。但问法不同，结果会差很多。

两种问法，对比很明显

问法一：“嵌入式、伴随式、沉浸式的核心差异是什么”

问法二：“嵌入式、伴随式、沉浸式的核心差异是什么，要求符合MECE原则”

你会发现，加没加MECE规则，出来的内容完全是两码事。

先看左边那组内容：

1. 交互方式
2. 用户参与度
3. 应用场景
4. 自主性
5. 界面和可视化
6. 个性化

这时，再用同样的Kimi追问一句：“这6点符合MECE规则吗？”

很快就会发现，不加规则时，这些维度之间是有重叠的。

再看右边这组：

1. 交互的主动性
2. 用户界面的可见度
3. 交互的深度
4. 用户体验的沉浸感
5. 应用的复杂性
6. 用户参与度

同样再问一句：“这6点符合MECE规则吗？”

结果是，哪怕已经要求按MECE规则输出，继续追问时，得到的回答也未必严格遵守规则。

关键不只在MECE，还在分类维度

这里的关键在于：上面那组维度，其实是在“AI交互”这个特定维度上符合MECE。

一旦换一个维度，就不一定成立了。

所以，接下来可以顺着问下去：“除了交互维度，还有哪些维度？”

这样做的好处是：

• 能继续补全分类视角
• 能逐步拓展分类的边界
• 能避免把单一维度误当成完整分类

说到底，上面这个例子展示的，就是“分类”提问上的应用。

• 既要符合MECE规则
• 还得想清楚所属的维度

二、结束语

一个概念，可以先用MECE规则分类，再从多个维度去切分。

这是理解这个世界演变方式的一种基本功。

反过来，如果能把多个零散的点抽象成一个概念，同样也适用这套方法。