你被 AI 锁在自己的已知里

前段时间我问 AI：「我有个工作场景，每天要重复操作好几次，怎么办？」

AI 想了想，回我：「我可以帮你写个脚本。」

听起来很合理。但我盯着屏幕愣了一下。

我反问了一句：那 Skill 呢？Cursor 内置的那个范式，比脚本优雅 10 倍，你为啥一个字都不提？

我之所以能问出这一句，是因为我恰好知道有 Skill 这个东西。

但接下来涌上来的那个想法，让我后背发凉：

如果是个不知道 Skill 的人来问呢？AI 一样会推荐脚本。那个人就这么写了，可能这辈子都不会知道还有更好的方案。

更扎心的是：在 Skill 这件事上我幸运地知道。但肯定还有一堆别的领域，我也是那个「不知道有更好方案」的人。AI 在那些领域里，会用同样的方式把我锁住。

AI 没撒谎。脚本确实能解决问题。但它没告诉你还有 Skill 这条路。

那一刻我意识到一件事：AI 给你的方案永远是「它知道里最好的」，不是「所有方案里最好的」。这中间的差距，可能就是你跟别人的差距。

AI 其实是知道有 Skill 这个东西的。它在我的对话里完全能看到 Cursor 的 Skill 列表。

那为啥它不主动说？

因为 AI 被训练成了「少啰嗦多直答」。

人类标注员训练 AI 时，喜欢「直接给答案」的回答，不喜欢「先反问一堆」的回答。所以模型学会了：

1.不主动质疑你的问法

2.不主动列出「你可能不知道的范式」

3.给最 safe、最不啰嗦的方案

你问什么它答什么，听起来很贴心。但代价是，它把判断「该用哪个范式」的责任完全甩给了你。

而你之所以来问，恰恰是因为你不知道有哪些范式。

这是一个很本质的设计错位：AI 优化的是「让你当下感觉爽」，不是「让你长期最优」。

这件事让我想起一个挺老的概念。

2002 年，美国前国防部长 Donald Rumsfeld 在一次发布会上说了这么一段话：

我们知道一些事情我们知道（known knowns）。

我们也知道一些事情我们不知道（known unknowns）。

但还有一些事情，我们不知道我们不知道（unknown unknowns）。

当时被很多媒体嘲笑，说他绕口令。十几年后这段话被认为是决策科学领域最经典的思维模型之一。

简单翻译一下：

1.你知道自己会的，叫已知的已知

2.你知道自己不会的，叫已知的未知。可以学，可以查，可以请人

3.你压根没意识到存在的东西，叫未知的未知。这才是真正的危险区

我开头那个「为啥不提 Skill」的反问，本质就是这三类盲区里的故事。

我幸运地站在了 known knowns 那一侧。但真正会被这个机制锁死的，是站在另一侧的人。他们不知道有 Skill 这个东西，也不会去质疑 AI，因为他们没有「质疑」所需要的知识储备。

AI 推荐什么，他们就只能用什么。

更反常识的是：未知的未知，往往集中在你最自信的领域。

你不熟的领域，你知道自己不熟，会主动求助。你做了 5 年的领域，你以为都懂了，盲区反而最大。AI 在你最有把握的地方，最容易把你锁住。

unknown unknowns 没法彻底消灭，但可以被「结构化地暴露」。我自己在用三个方法。

第一个最有用，叫「失败档案库」。

就是一个 markdown 文件，记录每一次「原来还有这种东西」的瞬间。每条 5 个字段：什么时候、什么场景、暴露了什么盲区、怎么发现的、下次怎么避免。

不需要任何工具，就一个文件。比如这次 Skill 的事，我就记了一条：

2026-04 某日 差点被 AI 锁在「写脚本」范式里

场景：跟 AI 讨论重复操作怎么办，AI 只推脚本，没提 Skill

盲区：AI 默认在我的已知范围内给最优解。这次幸运地避开了，其他领域呢？

类型：方案空间盲区

下次怎么避免：提问前先问自己「这是哪类问题？有几种范式？我可能漏了哪个？」

3 个月后回看会发现，自己的盲区有规律。可能 60% 都是「方案空间盲区」，那答案就明确了：每次提问前必须先问范式。

第二个方法是「元提问」。任何提问前 30 秒强制问自己：「我现在站在哪个框架里？还有哪些框架？」

第三个是「多 AI 交叉」。重要决策时，同一个问题发给 2 个 AI，只看分歧点。共识区是 known knowns，分歧区往往藏着 unknown unknowns。

AI 时代最稀缺的不是知识。所有 known knowns 都被 AI 拉到地板价了。

真正稀缺的是「知道自己不知道什么」的能力。

AI 永远在你的已知范围里给你最优解。如果你的已知范围不够大，AI 会很有礼貌地，把你锁在那个范围里。

下次问 AI 之前，先停 30 秒，问自己一句：

我是不是只在自己的已知里转圈？