课段一 · 前提决定了你能推到哪里
逻辑之美的第一课，不是教你变得更会辩论，而是让你重新学会尊重前提。现实里很多表达之所以显得有力量，不是因为论证真的扎实，而是因为结论说得太快、太稳、太像答案。只要前提没有被看见，结论就会拥有一种虚假的坚固感。
我们在日常交流里经常直接消费结论，很少反过来问：这句话成立，究竟依赖哪些条件？它默认了什么背景？它把什么当作不必再讨论的常识？正是这些未被看见的前提，决定了结论到底能走多远。
前提不清带来的问题，不只是“论证不严谨”这么学术化。它会直接改变现实判断。你会因为一句听上去笃定的话而迅速认同、转发、执行，最后才发现自己其实只接受了结论的语气，并没有检查它赖以成立的基础。
所以这一课真正训练的，是一种更慢的接受方式：每当你想点头时，先把那句话改写成“如果……那么……”。只要这个动作能做出来，很多原本气势很强的表达，就会立刻露出空白、跳步或范围失控的位置。
为什么逻辑成熟的第一步，是先把默认前提从黑箱里拿出来
前提之所以常被忽略，是因为它们通常被包装成“理所当然”。人更愿意讨论结论，因为结论更容易站队，也更容易制造立场快感。可真正决定判断质量的，并不是结论多漂亮，而是前提是否可验证、是否完整、是否和问题本身同层。
在 AI 时代，这一步更关键。模型会把许多隐藏前提组织得很顺，让你误以为逻辑链已经完整。可如果你不主动追问前提，模型输出越流畅，你越容易接受一条并未真正建立起来的结论。
不是所有说得像结论的话，都拥有结论应有的前提基础。
这一课结束时，你至少要能够把一条自己原本很认同的强观点拆成前提和结论，并指出其中最脆弱的一环。只有这个动作发生，逻辑训练才真正开始。
进入第二课前，别急着追求更强的立场。你要继续带着同一个动作进去：当一段话显得异常顺畅时，我能不能看出它是靠真正推理推进，还是靠谬误和气势在推进？
Visual Map
这一课的结构图示
为什么逻辑先要追前提
因为没有前提，所谓结论只是一种语气；前提一旦暴露，论证才真正开始受检验。
隐藏前提 → 推理链 → 结论强度
不是所有强结论都值得接受，只有前提清楚、关系连贯的结论才拥有真正站立的位置。
今天怎样在现实里追前提
每遇到一句让你立刻点头的话，先改写成“如果……那么……”，再决定要不要接受。
Lecture Script
逐课讲稿结构
讲稿段一 · 结论为什么总比前提更抢眼
因为结论能更快制造立场感和确定感，而前提往往藏在不起眼的位置。但真正决定论证质量的，从来不是结论的气势，而是前提的质量。
讲稿段二 · 把一句话改写成条件链
只要把一句笃定表达改写成“如果……那么……”，你就会发现很多结论原来只是少数条件下才成立，甚至根本缺了中间环节。
讲稿段三 · AI 时代为什么更要追前提
模型很会组织顺畅表达，但顺畅不等于成立。只有把隐藏前提拉出来，逻辑链才真正开始接受检查。
Core Questions
这一课真正要想清什么
- 我最近最容易被哪种“结论气势”带走？
- 一条我原本认同的强观点，真正依赖了哪些前提？
- 这些前提里，哪些是事实，哪些只是默认假设？
Practice
课后练习动作
- 选一条你最近最认同的观点，把它改写成“如果……那么……”。
- 列出这条结论至少三个隐藏前提，并逐一检查是否可验证。
- 删掉其中最弱的一条前提，再看原结论还能否成立。
Assignment
课后作业
作业一 · 前提体检
选一条你最近最认同的观点，把它依赖的前提全部列出来，并找出最薄弱的一条。
输出一张“观点 / 前提 / 最弱环节”表。
作业二 · 现实追问
把一个你常说的日常判断改写成条件句，检查它是否真的成立。
提交一条“原句 / 条件句 / 新结论”的对照。
作业三 · AI 前提检查
拿一段 AI 回答，让它反向列出隐藏前提，再逐一判断哪些是证据、哪些只是默认值。
写出三条前提和你的验证结果。
Completion Signal
这一课怎样算真正学完
当你能把一条强观点从“我觉得对”改成“它依赖这些前提，而其中这一条最不稳”时，这一课才真正进入你的判断系统。
最常见的案例，是把“大家都这样”“现实就是如此”“效率一定更好”这类句子直接当成结论依据，而不再追问它们背后的条件边界。
最容易犯的错，是把“我能复述前提”当成“我已经验证前提”。真正关键的不是说出来，而是继续检查它们是否真的成立。
逻辑真正开始的地方，不是你会不会下结论，而是你愿不愿意把前提完整地拉到台前。
我最近认同的哪个观点，其实缺少关键前提？
Further Reading
延伸阅读与继续推进
- 重读《前提与结论》中最能说明“前提决定结论边界”的段落，改写成你自己的表达。
- 把这节课和理性之美第二课对照，看“事实/解释”拆分如何为前提分析提供基础。
- 如果继续让 GPT-X 陪练，只追一个问题：这条结论最依赖哪一条没被说出的默认前提？