夜雨聆风
AI 越熟，越容易平庸。
最近一年我在 AI 编程教学一线反复看到一个现象——熟练用 AI 的学员，输出反而越来越像。
不是 AI 不够强。是大多数人没意识到，AI 时代真正稀缺的不是输出，是输入。
写下这句话的时候，我刚改完一个学员群的作业。五份草稿摆在面前，主题都是「用 Claude 写一篇 AI 编程方向的公众号文章」。五个人，五份初稿，开头几乎一致——「在 AI 时代，知识工作者面临前所未有的挑战……」
不是他们不努力。每个人都老老实实把提示词四件套填齐了：角色、格式、约束、评价标准，一项不少。
问题出在更早一步。任务一进 AI，输出的天花板就已经定了。
这就是双三角要解决的问题。
双三角是什么
双三角不是我提出的概念。源头在一堂行动营提出的「AI 调研新范式」，原图（带一堂二维码）附在文末。我把它从调研工具扩展到了 AI 编程任务输入诊断这条线，一年下来，挡掉了至少一半本可以避免的返工。
简单说，任何一个让 AI 执行的任务，输入端都有六个维度，组成两个三角。
人类三角——你的差异化燃料：
① 场景敏感性——给谁看、在哪用、什么时机？
症状：任务里没有「具体的人在具体的时机做具体的事」。 例子：「写一篇 AI 工具使用技巧」（公约数）vs「写给技术总监在季度汇报会前 5 分钟速读的 AI 编程内化方法」（差异化）。 对应武器库：场景三要素、STAR 场景模型（下一篇 T2 详拆）。
② 创造性假设——你想测试什么观点、要反驳什么常识？
症状：任务里没有任何「我认为」「我想验证」「我想反驳」。 例子：「写一篇 AI 应用现状」（中立罗列）vs「测试一个反共识假设：AI 不替代人，是替代「假装在判断的人」」（差异化）。 对应武器库：WHY 追问法、反常识假设、假设验证 Q 循环（T2）。
③ 底层规律——这件事为什么有效、依赖什么前提？
症状：你能列结论，但说不出「为什么这样做就成立」。 例子：「列 5 个 RAG 最佳实践」（清单）vs「定义 RAG 在哪三个底层条件成立，缺一就崩」（结构化）。 对应武器库：第一性原理、上层规则 vs 下层规律（T2）。
AI 三角——让 AI 高质量执行的条件：
④ ROI 预判——范围多大、优先级如何？
症状：任务范围模糊，「全面分析」「详细整理」「越多越好」。 例子：「全面分析这家竞品」（5000 字废话）vs「只分析竞品在中国市场的定价策略，500 字内」（可执行）。 对应武器库：范围约束、优先级排序、多维 ROI 评估（下一篇 T3 详拆）。
⑤ 提示词质量——角色 / 格式 / 约束 / 评价标准 四件套是否齐全？
症状：四件套缺一项就废。比如缺角色，AI 默认助手口吻；缺评价标准，AI 不知道「够用」的最低线在哪。 例子：「帮我写一篇关于 RAG 的文章」（裸任务）vs「以资深 AI 编程讲师视角 / Markdown 格式 / 不超过 1500 字 / 80 分 = 反共识 + 1 案例 + 可截屏 三特征齐全」（工程化）。 对应武器库：提示词四件套对照表 + 完整可复制模板（T3）。
⑥ 数据与审美锚点——80 分长什么样、哪些方向坚决不要？
症状：你说不清「什么叫好」。「写得有趣一点」「更专业些」，AI 改了几个词反而更糟。 例子：「写好一点」（空集）vs「80 分 = 有 1 个反共识观点 + 1 个真实案例 + 一段读完想转发」（可检测）。 对应武器库：评分锚点法、正面案例库、禁止清单（T3）。
一句话定义：双三角是任务输入端的六维诊断器，决定 AI 能不能给你 80 分以上的输出。
为什么 AI 越强，你越平庸
这是这一篇真正想说的部分。三个真相，一层一层往下走。
第一个真相：AI 把执行差距抹平了。
三年前，会写代码的人和不会写代码的人，输出差一个数量级。今天，会写 prompt 的人和会写 prompt 的人，输出差不到两成——因为大家调用的是同一个底层模型。
执行端能拿到的红利，已经被压到很薄。
第二个真相：差异化只能来自输入端。
如果模型都一样，提示词模板都从同样的来源抄，那一个人和另一个人之间唯一的差距，就是给 AI 的任务本身有没有差异化。
而所谓任务的差异化，恰好对应人类三角的三件事——给谁看（场景）、想测什么观点（假设）、为什么这样做（底层规律）。
回到我开头说的五个学员的案例。
五份草稿，提示词四件套都填得很完整：「以资深内容策略师视角 / Markdown 格式 / 不超过 1500 字 / 80 分逻辑清晰，有具体案例」。
但内容大半重叠。
为什么？因为没人回答前三件事：
你的读者是 B 端学员还是 C 端开发者？（场景） 你想说 AI 替代知识工作者，还是放大知识工作者的判断力？（假设） 你认为读者真正卡在哪一步？是不会用，还是用了不出活？（底层规律）
这三件事不在任何提示词模板里，但它们决定了文章是不是有「这个人写出来的味道」。
第三个真相：大多数 AI 教学只解决了 1/6 的问题。
打开任意一篇 AI 提示词教程，几乎都在讲提示词四件套。但提示词四件套只是 AI 三角里的一维——「提示词质量」。
其他五维：场景、假设、底层规律、ROI、数据审美——基本不被提及。
提示词工程只解决了执行的精度，没解决任务的稀缺度。任务本身没差异化，再精确的执行也只能给你一份平均分的内容。
同样任务，过 vs 不过双三角的对照
我做过一个真实对照实验。
同一个任务：「写一篇 AI 编程方法论的文章」，分两组学员写。
A 组（5 人）：直接写提示词四件套，开始写。 B 组（5 人）：先过双三角六维，过完才写。
A 组 5 篇里有 4 篇开头高度相似，我能一眼看出是 GPT 默认风格；剩下 1 篇有些个人语气，但核心论点站不住。
B 组 5 篇全都能看出不同切入角：讲师视角、学员转型场景、Agent Team 工业化、团队培训落地、个人作品集复盘。从标题到第一段，我能一眼看出是谁写的。
差距不在文笔，差在六维过没过。
不过双三角，AI 给你公约数。过了双三角，AI 给你你的版本。
CEO + 员工的角色分工
一堂的原图里有一个特别关键的隐喻：人类是 CEO，AI 是员工。
CEO 负责四件事：审美 / 体系 / 创造力 / 价值判断。
员工负责四件事：分析 / 执行 / 调研 / 批量。
把这个映射回双三角：
人类三角的三维（场景 / 假设 / 底层规律）= CEO 的判断力 AI 三角的三维（ROI / 提示词 / 数据审美）= 员工能跑起来的条件
关键反共识来了：AI 时代要做的不是把 AI 训练得更聪明，而是把自己重新当 CEO，明确知道哪三件事 AI 做不了。
听起来像一句口号，落到实操是这样的：
AI 不能替你判断「这个选题对你的读者重要吗」——这是场景敏感性 AI 不能替你提「这个观点的反共识在哪里」——这是创造性假设 AI 不能替你回答「为什么这件事这样做有效」——这是底层规律
你越早意识到这三件事不是 AI 教程能教的，你的输出就越早脱离平均分。
我在带学员的时候，把这件事说得更直白：AI 不缺脑力，缺的是判断力。判断力来自你对场景的熟悉、对观点的胆识、对规律的追问——这三件事是 CEO 的活，外包不掉。
双三角不只是个人方法论
你以为双三角只是写提示词的个人诊断器？
我把它写进了我自己的 AI Agent Team 流水线，作为 Step 0 前置门控——任何 Agent 开工前必须过六维扫描，人类三角任一缺失就硬性阻断，连开始都不让开始。
第一年我没加这道门，按周复盘观察值，平均每周有 2-3 个 Agent 任务需要重写输入。加了之后，最近一个三个月周期里只出现 1 次同类返工。这是我自己工作流的实际计数，不是行业统计，量级供你参考。
差距不在 Agent 变聪明了——是「输入端的不能开始」省掉了「执行端的浪费」。
返工是 AI 协作里最贵的事。一次返工 = 一次人类二次输入 + 一次 AI 二次执行 + 一次结果再审查。在我的工作流里，一次返工至少耗掉半小时，多则半天，成本至少高出开工前 60 秒双三角扫描一个数量级。
双三角从个人方法论升级为工业化基建，才是它真正的价值。
如果你的工作流里只有一个人和一个 AI，双三角是诊断器。如果你的工作流里有 Agent Team、有协作伙伴、有规模化产出，双三角是「开工许可证」。
六维自检清单
下次启动一个 AI 任务之前，花 60 秒过一遍这六问。
人类三角自检：
这个任务是给谁看 / 在哪用 / 什么时机？ 我想测试什么观点 / 要反驳什么常识？ 这件事为什么有效 / 依赖什么前提？
AI 三角自检：
范围多大 / 优先级如何？ 提示词四件套（角色 / 格式 / 约束 / 评价标准）齐了吗？ 80 分长什么样 / 哪些方向坚决不要？
说实话，我自己的判断标准就这么粗暴：六维 ≥ 5 个 ✅ 才动手。不到这个标准，必须回去补输入，比启动后修改成本低十倍。
今晚就能做的 1 件事
如果你今晚要写一段 AI 提示词，做一件事：
打开你的提示词，逐项问六个问题。任意一项答不出来，先回去补，别开始。
人类三角的三个问题答不出来——你的输入没差异化价值，AI 给你的是平均分。 AI 三角的三个问题答不出来——AI 自由发挥的方向不会是你想要的。
这一招我自己用了一年，挡掉的不是返工——挡掉的是「自以为开始了，其实在浪费时间」。
如果只能记住一句话——AI 时代的稀缺资源不是算力，是你愿不愿意把任务想清楚。
下一篇 T2 拆人类三角的具体武器库：场景 / 创造性假设 / 底层规律分别有哪些可复制的工具，怎么从识别缺口到补齐缺口。再下一篇 T3 拆 AI 三角武器库：提示词四件套缺一不可，附完整可复制模板和 80 分锚点法。三篇组合是完整闭环，T1 是入口，T2 + T3 才是落地工具。
P.S. 双三角概念源自一堂行动营提出的「AI 调研新范式」，我在 AI 编程教学一线把它从调研工具扩展到了任务输入诊断。原图（带一堂二维码）附在下方，感兴趣可扫码深入了解一堂的完整体系。
