再好的AI工具,也弥补不了你目标的缺失

再好的工具，也弥补不了目标的缺失

一个月前，我经历了一次"AI翻车"。

那是4月初，我准备选修三第7课的课件。工作流看起来很"标准"：先用IMA生成教学设计，再导进豆包做课件。

IMA几分钟就出了一份结构严谨、条理清晰的设计方案——教学目标、环节设计、问题链，应有尽有。我当时想，这效率，绝了。

然而豆包做的PPT缺失了很多内容，而且排版、配色不尽如人意，我又花了整整一个上午反复调整。

课上了一半我就知道坏了。AI设计的方案看着漂亮，但跟课本内容偏离了不少——它用了大量的课外素材，却忽略了教材上最基本的线索。设计的这些方案表面上有层次感，实际上并没有围绕核心教学目标展开，学生答不上来，课堂节奏全乱了。学生的眼神告诉我：他们在走神。

那天晚上我在日记里写了一句话，后来成了我对AI最核心的认知："我要让AI帮我思考，而不是替我思考。"

这句话有两个意思。第一，我没有先研读教材就让它生成方案。表面上节省了时间，实际上把"理解教学内容"这件事完全外包了——我连自己要什么都不知道，怎么能判断AI给的是对是错？第二，我花大量时间改PPT格式而不是研读教材。一堂课好不好，取决于设计是否切中学生的认知盲区，而不是课件好不好看。

比翻车更扎心的：明明知道，还是反复踩

这件事一直让我耿耿于怀。不是因为翻车本身，而是因为同样的坑我踩了两次都还不长记性。

翻车当晚，我在日记里写下了改进方案：每次备课先花30分钟研读教材，自主梳理目标和重难点，再让AI介入。方案明确，可执行。

4月6日，下一节课，我完全忘了，还是沉迷于AI的"便利"。

那天我在日记里写："感觉像是上了发条的老鼠，使劲往前跑，但跑着跑着就不知道自己要去哪了。"力气没少花，课却没上明白。

后来我反复想：为什么这么简单的原则，我执行不了？

表面原因是偷懒——直接用AI的方案比先自己研读再对比修改省事得多。但深层原因是我对AI有一种隐蔽的依赖心理：万一我自己想的不如AI全面呢？万一我花时间研读了教材，AI给出的还是同一套方案，那我不是白费功夫？这种"万一我是错的"的焦虑，让我不知不觉把专业判断交给了AI。

4月23日，我又遇到了类似的问题。用NotebookLM做文献综述，结果不理想。我追问自己为什么，发现根本原因在于：我自己对这个文献有什么判断、想从中获取什么——这些我根本没想清楚就丢给AI了。那天我在日记里写："无法清晰表达困惑，工具便无从精准回应。"

"先有自己的想法"——这个原则看起来简单，真正做到却需要对抗一种心理惯性：我们太想走捷径了。

翻车几次之后，我开始认真区分：AI在什么场景下真的能帮到我，在什么场景下反而会拖后腿？

当我对任务内容本身已经熟悉，清楚自己要什么，AI确实能帮我提高信息检索和整理的效率。但当我不熟悉时——本质上是我自己没想清楚，希望AI替我想清楚，AI只能给出一个"看起来很对"的方案，但经不起实践检验。

我想明白了AI能力的边界：AI擅长的是"效率问题"——你清楚要什么，它帮你更快地达到；它不擅长"方向问题"——你自己没想清楚的时候，它给出的答案看似合理，实则把你带偏。

所以每次用AI之前，我多问自己一个问题：这件事是我已经想清楚了，还是希望AI帮我想清楚？前者用AI，效率和效果都翻倍；后者用AI，大概率踩坑。

几个月的反复翻车和反思，最后沉淀下来的是一个简单的工作流程：

人 → AI → 人

第一步，人先做。自主梳理目标和工作流程。有了自己的判断，再让AI介入。

第二步，AI辅助。把AI当"讨论对象"而非"答案生成器"——让它补充你没注意到的视角，而不是替你做决定。让AI跑通流程，你来监管，随时调整。

第三步，人终审。对比AI的方案和自己的判断，以你的标准取舍修改。

不是什么高级方法论，就是一个踩过坑的人总结出来的经验。

你会发现，这三步里人出现了两次，AI只在中间出现一次。这个顺序不是随意的——人出现两次，恰好说明AI能做的是中间那段，开头和结尾必须由人来把控。

因为说到底，再好的工具，也弥补不了使用者目标与价值的缺失。 AI能帮你跑得更快，但前提是你知道自己要往哪跑。没有方向的速度，跑得越快，离目的地越远。我翻车前只觉得AI强大，翻车后才明白：问题不在AI不够好，在我自己都没想清楚要什么，就指望AI替我想清楚。

这不是否定AI的价值。我现在还在用AI，而且用得比以前更顺手——因为我学会了在开口问AI之前，先问自己一个问题。把那个问题问清楚了，AI才是真正的助手。

AI是放大器，不是替代品。工具的上限，取决于使用者的认知上限。