让人变笨的从来不是AI,是我的用法

我有个阶段，特别爱跟人聊AI。

每次开场都是同一句："我最近天天用AI写东西，效率高得吓人。"

然后对方问我具体怎么用，我卡住了。

因为那阵子我对AI的全部用法，就是让它直接给答案。我要一段文案，它给；我要一份方案，它给；我要一个观点，它也给。给完我复制粘贴，事儿就算办完了。

爽是真爽。但过了一阵我发现一个别扭的事：那些东西，我一个字都记不住。

AI替我把答案都说了，我连想的过程都省掉了。

更扎心的是，我以为自己在进步。产出变多了，速度变快了，可一旦离开那个屏幕，让我复述一遍我今天到底想明白了什么，我答不上来。

后来我想明白一件事：让人变笨的从来不是AI，是用法。它把我的思考力气全接过去了，那我当然不会越来越强。

真正让我感觉脑子在往前走的，不是那些答得快的时刻，是我追着AI问、追到答不上来的那几十分钟。

所以这两年我换了个用法：把AI当陪练，不当答案机。

💡换掉用法：答案机和陪练的区别

陪练和答案机的区别在哪？答案机给你终点，陪练逼你走完那段路。

我以前用的都是答案机。它不管我问得对不对、有多糊，只要能交差，就把一段看起来挺完整的东西给我。而这个"看起来挺完整"，是我判断不了的东西——它到底对不对、够不够、我漏了什么，我全接了过来，也全错过了。

陪练不这样。陪练的第一反应不是回答，是反问。

我改用法之后，给自己定了一条挺反直觉的规矩：先别问它答案，先让它问我。

开头那句话说出来我自己都别扭——以前是我问它，现在是它问我。一开始我很不习惯，觉得绕，凭什么要让AI给我提问。

但坚持了一阵之后我发现，问和答的差别，比我以为的大得多。

答的时候我在挑一个现成的答案；问的时候我在把一件模糊的事情说清楚。而说清楚这件事，恰恰是我以前最做不到的。

🎯练深度：让AI追着你问到你答不上来

我把"练深度"翻译成一句大白话：想透前因后果，一路想到你答不上来为止。

往前问为什么，往后问会导致什么。

我觉得这三个动作是拆开用的：

往后问，会暴露你的方案有多少窟窿。 "我这个方案会带来什么后果？"——这一句能问掉你一半的乐观。往下追三层，方案基本自己就露馅了。

往前问，会暴露你的假设有多 shaky。 "我为什么会觉得这是对的？"——追到最底下，往往是没验证过的假设，或者是从别人那儿听来的、一直没自己查过的说法。

追到你答不上来，是终点也是收获。 答不上来说明你到了一个自己都没想清楚的位置，这个位置以前你是看不见的——因为答案机直接把你送过去了。

我自己的做法是让AI一次只问一个问题，别让它一口气抛十个问题给我，那我就变成挑着答了。规矩很简单：它问一个，我答一个，它接着追问下一个。

实战里我最常用的三段话，可以直接抄。

第一段我管它叫出素材。我不想从一个空白页面开始写，也懒得自己搜集背景，就先让它倒豆子：

别急着给结论。先给我 10 个跟【主题】相关的真实案例、数据或观点来源，标注每个能追溯到的出处。不确定的标出来，不要编。

这段的价值不在于那10条，而在于它把我从"必须自己先想"里解放出来了。人的脑子最怕空白，AI最擅长铺满空白。

第二段是无限追问，这是练深度最核心的一段：

我现在要决定【某件事】。请一次只问我一个问题，像苏格拉底那样一直追问，直到我答不上来或者前后矛盾为止。不要给建议，只管问。

第三段是即时匹配。追完了，该要方案了，但不要那种"最佳实践"的正确废话：

基于上面的追问结果，给我 3 个方案。每个方案说清三件事：要付出什么代价、适合什么情况、什么情况下应该直接放弃。

"什么情况下该放弃"这一栏，是我后来加进去的。以前我拿到的方案全是优点，漂亮但没法落地。

🎭练广度：让AI替你把每个位置都站一遍

练深度是往深里挖，那练广度是往外扩。往外扩的方式很朴素：把同一件事，放到不同人的位置上，各看一遍。

这件事我自己是靠吃亏学会的。

我有一份自己特别满意的方案，从逻辑到排期都挺顺。发给一个朋友看，他只回了一句："这个方案如果是你收钱，你会签吗？"

我当场没话。我一直站在"交付方"的位置上看那份方案，而我的朋友站在"付钱的人"的位置上——他一眼就看见了里面三个我当时觉得理所当然、其实对方根本不会接受的地方。

后来我意识到，一个人的位置是固定的。你自己很难同时站在三个位置上想问题，因为视角一换，别人的处境就自动被你忽略了。

而AI不会忽略。它没有立场，你让它站哪儿它就站哪儿。

我现在常用的这段话是：

同一件事，请分别站在这几个位置重看一遍：客户、竞争对手、你的老板、最终掏钱的人、事后翻复盘的人。每个人只说他的真实顾虑，不要客气，不要安慰我。

"不要客气"这三个字很关键。AI默认会给你留面子，你不说，它就只说好话。

这套用下来还有第二层，是专门让它当反方。

前面是让AI理解你，这一步是让AI攻击你。

请以反方专家的身份，专门挑我上面这些结论里最可能错的地方。能推翻就推翻，不要客气。如果我哪条其实站得住，也说明理由。

我自己做过的最值的一次，是把一份已经定稿的方案让AI当反方。它第一条就把我引以为傲的那个数据来源给否了，说这个口径换一种算法得出的结论完全相反。

我去查了，我错了。那份方案重写了一遍。

你方案里最自信的那几条，往往是最没被检查过的几条。反方存在的意义就是专门戳那里。

📋我固定下来的四段提示词

上面那些零散的话，我后来整理成了四个固定的问法。不管什么主题，我都是这四步走。

第一步，先铺料。让AI出案例、出数据、出观点来源，标注出处，不确定的明说。不给答案。

第二步，认追。让AI一次问一个问题，追到我答不上来或前后矛盾。这一步最慢，但也是唯一真正长本事的部分。

第三步，换位。让客户、竞争对手、老板、掏钱的人、事后复盘的人，各自说真实顾虑，不许客气。

第四步，攻自己。让反方专家专门推翻我上面的结论，能推翻就推翻。

顺序不能乱。先铺料再追问，是因为它追问的质量取决于它手里有多少料；先换位再攻自己，是因为连自己的立场都还没站稳的时候，反方攻击的全是空气。

这三套动作在物理上也就是让AI做了三件事：给你素材、逼你回答、替你别位站着，然后再给你一个专门的挑刺的人。

✍️最后说两句

把AI当陪练，不当答案机——这句话说起来简单，做起来比想象中费劲。

因为陪练会一直追着你问，答案机不会。答案机让你舒服，陪练让你不舒服。你得接受在一件事上被反复问、被问到卡壳、被指出想错的地方，这个过程一点都不顺。

但我现在更愿意忍这个不顺。因为答案机给我的那种"我搞定了"的踏实感，是假的。假的东西上瘾，越用越空。

AI这玩意儿到底能给你多少，看你愿不愿意动脑子。 同一个模型，有人拿来省事，有人拿来长进，差别不在工具，在用法。

我现在还在练。练了两年，也才刚把"要答案"换成"要陪练"这件事想明白。想明白之后回头看，之前写下的那些东西，有一半其实没进过我的脑子。

不过没关系，路对了就行。慢慢来，但别停。