AI总说'你说得对'——直到我给它找了个对手我最近很喜欢的一句话：一灯传至诸灯，终至万灯皆明。这句话出自《维摩诘经》，说的是一个人点亮自己的灯，不只是照亮自己，还能帮别人也点亮他们的灯。然后每个人都去点亮别人的灯，最后满世界的灯都亮了。我打算陆续把自己在AI使用过程中，觉得真的好用的东西，做成Skill开源出来。Skill这个东西，说大不大，说小不小。它不是一个prompt，不是一句话，它是一套经过反复打磨的、能够反复使用的、能在真实场景里稳定产出价值的思考框架和工作流。说实话，我想过。但后来想明白了——真正有价值的东西，不是藏在家里等着变现，而是被足够多的人用，在真实反馈里不断进化。一盏灯再亮，灭了就灭了；但一万盏灯亮着，灭了一盏还有九千九百九十九盏。这个系列的第一篇，就是你现在看到的这个——辩论决策框架（Debate Decision Framework）。
01 一个淋雨的早晨
有一天，我出门忘了带伞，下雨淋了个落汤鸡。回到小区门口的时候我想：天气预报明明有，但我就是忘了看。如果有一个东西放在门口位置，每天早上自动显示天气，极端天气通过微信提醒我，这是不是个好产品？如果再延伸一下，推送服装行业的大事件、原材料价格波动——是不是能做成一个B2B信息服务？我脑子里的画面好像很清晰：硬件 + AI + 微信推送 + B2B信息 = 一个商业模式，有戏？我不想拍脑袋，也不想找朋友寒暄一圈最后还是自己拍脑袋。
02 我不要"分析"，我要"对抗"
我把这个想法告诉了AI，然后提了一个特殊的要求——Unit economics在数学上不成立，LTV/CAC小于1。沮丧的是这个想法确实漏洞百出。兴奋的是这种对抗性思考非常有价值。如果我能把它系统化，以后做任何重大决策都可以用这个流程。这让我看到了一个更大的可能性——AI不只是能给你答案，它能帮你把问题想得更清楚，前提是你得给它一个必须认真思考的场景。
03 第一个发现：AI在"快速抬杠"，而非"深度思考"
第一轮辩论中，正方说"BOM成本50元"，反方立刻反驳"不对，至少80元"。正方说"微信推送可以触达"，反方立刻说"规则限制了"。这种辩论看着热闹，但其实每个人都在凭记忆说话，没有人去查最新的数据、读原始的文档。这是AI的"快思考"模式——即时生成、模式匹配、自信满满但没有证据支撑。我想要的不是这样。我想要的是Kahneman说的"慢思考"：让AI先停下来，去搜索、去查证、去理解全貌，然后再开口。于是我对AI说：正方提出新观点后，反方不要马上反驳。先去搜索信息，充分思考后再回应。甚至可以辩论一两天，不追求速度，只追求质量。
04 第二版框架：研究驱动的三阶段辩论
新的规则强制每个辩手执行"研究 → 思考 → 回应"三步流程：研究阶段：至少做三到五次互联网搜索，记录Research Log。正方不再说"我觉得市场很大"，而是搜索了Statista的数据。反方不再说"微信推送不行"，而是去读了微信官方文档。每一条论点都有了可查证的来源。更有意思的是，辩论中出现了一个真实的"知识发现"时刻——反方在搜索中发现，微信2024年政策更新要求气象服务资质才能推送天气预警。这是一个正方完全没意识到的平台风险，是靠"快思考"绝对想不到的。慢思考的价值，不在于赢得辩论，而在于发现你自己不知道的东西。
05 第二个发现：辩论不是为了"选边站"
如果反方赢了，产品想法就彻底放弃吗？如果正方赢了，就带着已知的致命缺陷去执行吗？保留正方的洞察：场景化信息推送有价值，天气作为切入点有直觉吸引力。采纳反方的批评：硬件不work，放弃硬件形态，改用纯SaaS。融合设计：微信小程序加垂直行业信息推送，先做服装零售。这个结果比"正方赢了"或"反方赢了"都有价值得多。
06 实战验证：用它回答"个人如何用好AI"
正方构建了一个三层能力体系：基础认知（知道AI会犯错）、专业应用（结构化提问）、创新创造（多工具编排）。引用了UNESCO官方框架、LinkedIn数据、Gartner模型。反方精准拆解：正方把通用能力包装成AI专用能力、引用数据两次无法验证、OECD调查显示七成用户零培训且高满意度。但裁判的融合方案没有全盘否定AI能力培养的全部价值，而是给出了一个场景化答案——日常用好AI不需要特殊培训，专业用好AI需要领域知识和结构化方法。这个框架不仅在分析产品想法上有效，在思考抽象问题上同样有效。
07 三个角色，和它们背后的System 2
整个创作过程是一个从具体到抽象的旅程：起点是一个具体的产品想法（天气硬件），过程中发现了AI快思考的问题，设计了研究驱动的慢思考协议，加入了融合方案裁判，最终得到了一个通用的思维工具。正方的任务是：为你的问题找到最有力的支撑视角。它的每一次论证必须去找真实的证据——借鉴论文、引用数据、分析案例。它像一个准备充分的辩手，要把自己的立场"撑"起来。反方的任务不是抬杠，而是"挖墙脚"。它要找正方论点里最难防守的地方，用真实的反面证据去攻击它。同样要做深度研究，同样要引用一手资料。正方和反方必须正面交锋——正方提出一个论点，反方必须针对这个论点去找反驳证据，而不是换一个话题。反方提出一个攻击，正方必须回应，而不是绕过去。裁判是整个框架的灵魂。它要看到辩论的全过程，记录每一个转折点——哪个论点被逼到墙角了，哪个论点在被攻击的时候站住了，哪个论点在第三轮终于翻盘了。然后，它要综合这一切，产出比任何一方都更robust的结论。这个结论不是"正方赢了"或者"反方赢了"，而是"综合正方最强的地方和反方最有力的批评，我们得出了这样一个更完整的答案"。这三个角色加在一起，本质上是在模拟一个过程——深度思考需要对手。你一个人闷头想一个问题，想不了多深。但当你知道对面有个人会认真攻击你的每一个论点，你就开始认真了。System 2在"有压力"的情况下，才会被真正激活。
08 我把这个框架做成了Skill，开源了
我把这个辩论决策框架打包成一个skill，放到了GitHub上，免费的，随便用。安装方法也特别简单——你只需要把仓库地址发给AI，告诉它"帮我读取这个仓库里的SKILL.md，然后我们开始"，它就能直接跑起来，不用手动配置任何东西。https://github.com/linwanjing001-sys/debate-skill
我们向AI咨询复杂问题时，AI总是太快给答案，太顺着你的意思说，缺乏真正的批判性分析。这个框架通过强制交替辩论，加上"证据先于论点"的原则，逼出经过检验的真实结论。System 1是快思考——想到理由就马上找证据，看到对方发言就立刻想反驳。System 2是慢思考——先停下来问"我在感受还是评估？"，先找证据再形成理由。这个框架要求AI必须走System 2，每一轮辩论前都要通过激活检查，禁止凭记忆输出。正方负责撑住立场，搜索证据，构建论证。反方负责攻击对方最强的论点，逼出真实弱点。裁判负责主持流程、评分，最终产出融合方案——不是"正方赢了"或"反方赢了"，而是综合两方最强洞察的结论。先是Phase 0澄清，确认你真正想要什么——是要一个决策建议，还是一次彻底的批判性审视。然后才会进入到Phase 1问题界定，裁判宣布辩论框架。之后就是正方反方严格交替辩论，每一轮都必须先做Research Log，记录搜索了什么、找到了什么证据（过程很长，但是值得等待，重点在于你能清晰的看到双方的交锋过程，非常精彩）。
裁判持续评分，满足终止条件后产出最终裁决，以下是最终结论报告结果。
这里的Phase 0澄清机制主要是为了确保辩论方向不会跑偏。System 2激活检查每轮必做，用四个问题判断这一轮是慢思考还是快思考伪装。Research Log则强制要求，必须记录搜索查发现，不能跳过直接给结论。多会话支持，辩论可以跨越多天进行，不追求速度，只追求质量。评估一个商业想法的可行性、产品方案的压力测试、战略决策的深度分析，或者任何你想认真想清楚但自己又拿不准的问题。
说到这里，我想多说两句关于"做Skill"这件事。Prompt是一句话，是你丢给AI的一个指令。Skill是一整套东西——是触发词、是执行流程、是输出模板、是边界规则、是异常处理。它需要经过反复打磨，反复测试，反复在真实场景里用，发现问题，修正，再跑一遍，直到它稳定产出你预期的结果。第一版特别复杂，每个角色要填十几项，Research Log要列二十几个字段，用了一次就放弃了——太重了，根本跑不完一场辩论。能强制你慢下来，但不至于慢到让你放弃。能覆盖最关键的动作，但不至于繁琐到每次都在填表而不是思考。这个平衡点我找了很久，改了七八版才找到现在这个状态。好的Skill，本质上是在给你的AI协作加一个"不能绕过去的流程"。你当然可以直接问AI"帮我分析一下"，三秒钟出答案。但如果你有一把锤子，任何问题看起来都像钉子。Skill做的事情，是给你一个场景，让AI知道——这一次，你不能直接给答案，你得先做Research Log，先过System 2激活检查，先让正方和反方交锋，先让裁判综合。不是AI不够聪明，是我们没有给它一个需要它变慢的理由。
09 关于这个系列
开头我说，这个公众号我会陆续开源一些自己创作的好用Skill。辩论决策框架是这个系列的第一篇。接下来如果大家反馈好，我会继续出第二篇、第三篇。每篇都会是一个经过真实使用验证过的Skill，有完整的触发词、有固定的使用流程、有可以照着填的模板。你可以直接拿去用，可以改，可以拿过去改成适合你自己场景的版本。开源的意义就在这里——让好东西被更多人用，让更多人用出更多用法，让这些用法再反馈回来，让Skill本身不断进化。
整个创作过程，从一个淋雨的早晨开始，到一个产品想法被系统性地拆解，到框架本身的两次迭代，到最终的开源，是一个完整的从具体到抽象的旅程。起点是一个具体的商业想法，终点是一个通用的思维工具。中间驱动它进化的，是AI在"快思考"时暴露出的那些让我不满足的瞬间。第一次发现它只是在记忆辩论，第二次发现它不懂得融合结论——每一次不满足，都推动我去改进框架，直到它足够 robust。我们都在谈AI时代要独立思考，但独立思考这件事本身，比想象中难得多。Kahneman告诉我们，人的思维系统天然倾向于走捷径。AI进一步放大了这个倾向，因为AI太会说"你说得对"了。对抗这件事没有赢家。但一个结构化的强制流程，至少让"批判性审视"变成了一个不走捷径的固定动作。辩论的目的从来不是赢得胜利，而是把事情想得更清楚。
你有没有过一个当时觉得特别靠谱，后来被证明漏洞百出的产品想法？
夜雨聆风
