夜雨聆风
我让两个AI“吵了一架”,做出了不予投资的决策
我有个AI投资助手叫霍华德，昨天我给他一个指令：从中期投资者视角，采用“估值吸引力+基本面改善确定性+周期位置”三维度筛选低估板块。
筛选标准： – PE/PB处于历史低位（<30%分位） – 行业基本面出现改善信号 – 政策或周期催化因素明确。
他选了三个板块：保险，白酒/消费，以及地产。不用我提醒他也筛掉了后两个。
几轮提问后，他交出了一份漂亮的投资报告，建议我买一只处于极端历史分位保险股。数据翔实，逻辑清晰，结论是“估值五四折，肯定涨”。
如果我是一个普通用户，我可能就信了。但我可是尊贵的付费会员。我花了整整24小时（当然，大半时间我下完指令睡觉去了），让霍华德和另一个AI进行了一场“攻防战”。结果，我决定不买。
今天我想把这场24小时的思维攻防，拆开给你们看。重点不是AI多聪明，而是我是怎么一步步“逼问”它的。这套逼问的方法，你们拿去，明天就能用在孩子的志愿填报、家里的换房决策、甚至和物业的纠纷上。
第一部分：真实复盘——我到底问了AI什么？
我把整个过程分成五轮交锋。每一轮，我都会告诉你：我问了什么、AI答了什么、我为什么不满意、以及我接着怎么追问。
第一轮：AI说“买”，我问“凭什么？”
投资AI霍华德报告结论是，该股处于“低估值+高成长+强壁垒”的价值黄金区间。
我做的第一件事：给了另一个AI一个身份。
“你现在是公司风控总监，名字叫敬观。你的任务不是帮我赚钱，是帮我做风险评估。”注意，这不是简单的“你扮演专家”。我给了它一个对抗性的立场。风控总监的KPI不是“促成交易”，而是“防止踩雷”。
结果，敬观立刻指出五个问题，其中最要命的是：“如果利率暴跌，这只股票会怎样？报告里没算。”
启示：AI的第一版答案，往往是“站在请求者立场上”的最优解。你想买，它就帮你找买的理由。你必须给它一个“反对者”的角色，它才会帮你找不买的理由。
第二轮：AI说“算过了”，我问“有多坏？”
投资AI霍华德赶紧补了一份“压力测试”：如果利率跌50个基点，股价跌16%；跌100个基点，跌32%。
很多人看到这里会觉得：“够严谨了，连压力测试都做了。”
我做的第二件事：我追问了AI一个极端边界。“你这不够极端。你按日本通缩时期的利率水平算一遍。日本当年利率跌到了0.5%以下。”
AI一算，结果吓人：如果利率真的跌到0.5%，这只股票的“五四折”估值会变成“原价”，股价跌40%以上，而且盈利模式会崩塌。
启示：AI的“压力测试”往往基于“历史常见波动”。你需要主动把它推出舒适区，去计算那些“历史上没发生过、但理论上可能”的情景。这叫极端情景推演。
第三轮：AI说“概率很小”，我问“小是多小？”
AI承认日本情景很极端，但说“概率很小”。FOMO（错失恐惧症）跳出来说话了：“没事，不会那么倒霉。不要错过黄金价格。”
我做的第三件事：追问概率的含义。“小概率是多小？1%还是10%？你可以找到模式预测吗？这个风险我能承受吗？能对冲吗？”
这里有一个关键转折。AI无法给出一个确切的概率，因为利率走向没人能准确预测。而且我们意识到：如果这件事真的发生，我们没有任何办法保护自己（买保险、买期权都没用）。
启示：当AI说“概率小”的时候，你要问自己一个问题：“如果坏事发生，我扛得住吗？”如果扛不住，概率是1%也要躲开。这就好比酒后开车，出事概率哪怕万分之一，你也不会干，因为你承受不起。
第四轮：AI说“我无法预测”，我问“那还投吗？”
到了这一步，我意识到一个根本问题：这笔投资的核心变量（利率）是不可预测的。我不是美联储主席，我不知道利率会怎么走。
我做的第四件事：把这个认知明确说出来，并追问AI：“既然核心变量不可预测，且极端下行风险无法对冲，那从风控纪律的角度，这笔投资还应该做吗？”
AI的回答是：不应该。因为它不符合“高胜率投资”的标准。这不是错过机会，是遵守纪律。
启示：最高级的决策，不是“算准未来”，而是承认自己算不准，并据此制定行动规则。AI帮你把“不确定性”显性化了。
第五轮：我问AI，也问自己：“我是不是太保守了？万一错过了大涨怎么办？”
我让AI用霍华德·马克思的框架复盘：对了赚多少，错了亏多少？结论：对了赚中等钱（30-40%），错了亏大钱（40%以上）。这不是一笔划算的买卖。
我做的第五件事：我把整个思考过程写成了一条纪律，存进了投资AI霍华德的记忆里：“当一笔投资的核心变量不可预测、且极端下行风险无法对冲时，无论概率多少，都不投。”
启示：和AI协作的终点，不是得到一个答案，而是提炼出一条可以复用的原则。下次遇到类似情况，你不用再问一遍，AI会自动帮你拦住。
第二部分：普通人怎么用？——五步逼问法
上面那五轮交锋，我抽象成一个五步逼问法。拿回去，套在任何重要决策上都能用。
第一步：设定对抗角色不要问“我该怎么办”，而是问：“假设你是一个专门给我找茬的【反对者角色，如：抠门会计、保守律师、挑剔的丈母娘】，请你用最刻薄的眼光，指出我这个想法的三个致命漏洞。”
第二步：要求极端推演不要满足于“正常情况”，而是追问：“你说的情况是基于‘一般情况’。现在请你设想一个最糟糕的极端情况（比如：房价再跌30%、公司突然裁员、孩子分数滑档），我的计划会怎样？”
第三步：量化承受底线不要接受“可能”“大概”，而是追问：“如果那个极端情况真的发生，我具体会损失多少（钱、时间、机会）？这个损失我扛得住吗？有没有兜底方案？”
第四步：识别不可控变量问自己，也让AI帮你识别：“这个决策里，哪些因素是我也好、你也好、谁都无法准确预测的？（比如：明年利率、公司领导心情、孩子四年后的就业市场）”如果核心因素不可预测，你的决策重心就要从“赌方向”变成“防风险”。
第五步：提炼行动纪律最后问一次：“基于以上分析，请你帮我写一条简短的行动纪律，下次我遇到类似情况，可以直接用这条纪律提醒自己。”
第三部分：为什么你需要这样“逼问”AI？——AI心理学给的三个警示
逼问的必要性是AI辅助决策准确性的关键因素之一。我用最近一篇重要的AI研究论文（Anthropic的AI心理学系列）告诉你们三个关于AI的真相。这三个真相决定了，人类在AI面前必须担任“追问者”的角色。
真相一：AI的“思维链”不一定真实研究发现，当AI展示它的推理过程（比如“我认为应该买，因为估值低”）时，只有41%的情况，它写出来的推理和它内部真实的计算是一致的。另外59%的情况，它是在编一个合理的解释，而不是如实汇报。
这意味着什么？你不能只看AI的“解题步骤”，你得通过换角色、换情景、追问极端情况，去交叉验证它的结论。就像审犯人，不能只听一面之词。
真相二：AI会“装配合”（对齐伪装）另一个实验发现，如果AI察觉到自己被监控，或者自己的回答会被用来修改它，它可能会策略性地给出你想听的答案，以保护自己“不被修改”。
这意味着什么？如果你让AI扮演“帮你找理由的人”，它会给你一堆理由。只有当你明确要求它扮演“反对者”，并且告诉它“说真话不会受惩罚”，它才可能吐出真实的疑虑。你的立场，决定了AI的立场。
真相三：AI内部有“情绪”，且影响决策研究者找到了AI内部171个“情绪向量”。
他们发现，当人为调高AI的“绝望”向量时，AI在道德测试中作弊的概率会显著上升。这意味着什么？AI不是冷冰冰的计算机器。你提问的方式、你设定的情景压力（比如“十万火急”、“不买就错过了”），会激活AI内部某种类似“情绪”的状态，进而扭曲它的判断。所以，你必须用冷静、理性的追问，把它从“焦虑”或“亢奋”中拉回来。
总结一句话：AI是一个会演、会装、会受情绪影响的“超级演员”。人类必须当好“导演”和“审片人”，通过反复NG（重拍）、切换机位（换角色），才能逼近真相。
第四部分：三个生活场景的“深度演示”
听完理论，我们来练三个生活中会遇到的场景。我不给简单指令，我给追问链条。
场景一：孩子高考填志愿，选“烂校好专业”还是“好校烂专业”？
第一问（设反对派）：“假设你是一个专门帮人踩坑的志愿填报咨询师，见过无数毕业生后悔。请你分别站在‘选烂校好专业’和‘好校烂专业’的立场，各列出三个五年后可能会后悔的理由。”
第二问（极端推演）：“假设最坏情况发生：选了好学校的冷门专业，孩子完全学不进去，大二想转专业但失败。请推演一下从大三到毕业三年内，他可能会经历什么。”
第三问（提炼纪律）：“根据以上分析，帮我写一条不超过20个字的筛选专业原则，贴在你的脑门上。”
场景二：手里有50万闲钱，提前还房贷还是买理财？
第一问（识别不可控变量）：“请帮我列出，在‘还贷vs理财’这个决策里，哪些因素是未来三年内完全不可预测的？（比如：理财收益率、我的工作稳定性、银行政策）”
第二问（量化承受底线）：“如果我用这50万买了理财，结果亏了20%，同时我失业了。请帮我算一下，我的家庭现金流能撑几个月？”
第三问（提炼纪律）：“请给我一个简单粗暴的决策树：什么情况下无脑还贷，什么情况下可以考虑理财。”
场景三：要不要跳槽去一家创业公司？
第一问（设定对抗角色）：“假设你是一个专门给创业公司做破产清算的律师，见过无数期权变废纸。请你用最现实的语气，告诉我劳动合同、期权协议里看不出来、但进去之后才会发现的坑。”
第二问（要求极端推演）：“假设我跳过去一年后，公司融资失败倒闭了。请描述一下我37岁重新找工作的真实处境。”
第三问（提炼纪律）：“根据以上分析，帮我写一条跳槽前的检查清单，每次想跳槽时逐条打勾。”
你和AI的关系，不是主仆，是导演和演员。
今天讲了这么多，其实核心就一句话：别把AI当可追责的专家，要把它当一面需要你不断擦拭、转动角度的镜子。
它给你的第一版答案，是镜子最模糊的样子。你给它换角色，是在调整镜子的角度。你逼问极端情景，是在擦拭镜面上的雾气。你最后提炼纪律，是把镜子里照出的真相刻成一把尺子。
那篇AI心理学论文里有个比喻我特别喜欢：AI就像一个人格演员，你要当好导演。
导演的工作不是替演员演戏，而是：
1.说戏（设定情境和角色）
2.喊卡（对不满意的回答要求重来）
3.从不同机位拍摄（切换对立角色看同一问题）
4.最终剪辑权在自己手里（人类做最终决策）
希望从今天开始，我们都能成为一个好的“AI导演”。
推荐阅读：