夜雨聆风凌晨一点多，我又在刷推特。
满屏都在转发同一个东西——一个叫 grill-me 的 AI 技能。不是什么新模型，不是什么黑科技，就 20 个单词。我看完第一反应是：就这？
然后我试了一下。
四十五分钟后，我坐在那里，愣了。
不是 AI 不行，是你不行
我们平时怎么用 AI 的？"帮我写个用户认证模块。"然后 AI 噼里啪啦一顿输出，你扫一眼，不对。"再改改。"改完还是不对。来回三轮，你烦了，凑合吧。
上线之后炸了。不是那种"上线就火"的炸，是"核心逻辑全写反了"的炸。返工两周，整个人都不好了。
问题出在哪？你给的是一句糊话，不是一个需求。 AI 不会追问你：用 JWT 还是 Session ？密码策略怎么定？ Token 多久过期？它只是按自己的"理解"执行——而它的理解，跟你想要的，中间隔着一整个太平洋。
Matt Pocock ，一个英国开发者，今年初把这个问题翻了出来。他发布的 grill-me 做的事情特别简单：不干活，先把你问清楚。
就这么一句话。 Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree resolving dependencies between decisions one by one. For each question, provide your recommended answer.
然后它就火了。不是小火，是从 GitHub 到推特，从 Claude Code 到 Cursor ，几乎所有 AI 编程工具的社区都在聊它。
苏格拉底复活了
grill-me 这东西，说穿了就是苏格拉底式提问的 AI 化。用追问代替回答，用启发代替执行。
古希腊那个老头在雅典街头干的事情，跟 grill-me 在终端里干的事情，结构上一模一样：我不给你答案，我逼你自己想清楚。
但 grill-me 比苏格拉底多了一招——每个问题都带一个推荐答案。
这招太狠了。
你想想，面对一个空白输入框，"你的订单系统需要支持哪些支付方式？"——你得从零开始想。但如果 AI 问你："建议先支持微信支付和支付宝，覆盖国内 95%以上的场景，你觉得呢？"你只需要说"同意"或者"不同意，我更倾向……"。
有靶子，才能开枪。从开放式作答变成了判断题，认知负荷直接砍半。
好的产品经理不会上来就写 PRD 。他会花 80%的时间搞清楚问题是什么，需求是什么，边界在哪。 grill-me 做的就是这件事——逼你先走那 80%的路。
四条规则，拆解一个认知陷阱
grill-me 的核心就四条规则，但每一条都在对抗一个常见的认知陷阱。
一次只问一个问题。 大部分 AI 喜欢一口气甩五六个问题出来。你看着就头大，挑两个回答，剩下的随便糊弄。 grill-me 强制一问一答，逼你认真面对每一个决策点。
深度优先，不广度优先。 沿着一条分支一直问到底，问清楚了再切下一条。不是蜻蜓点水地覆盖一堆表面问题，而是把每个决策的依赖关系理清楚。
能自己查的就不问。 如果一个问题可以通过读代码库、查文档、搜资料来回答，它会先去查，然后把结论拿给你确认。不浪费你的时间。
每个问题都带推荐答案。 前面说过了，这一条是降低认知负荷的杀手锏。
假设你说"我要做一个电商网站的订单系统"。普通 AI 可能直接给你建表了。但 grill-me 会这样推：支付方式？状态机设计？库存扣减时机？并发处理？超时自动取消？物流对接？每一个决策点被逐一展开、讨论、确认。
一场对话通常 30 到 45 分钟。结束时你手上有一份完整的决策记录——每个选择背后的理由、被排除的替代方案、还悬着的开放问题。
你说，这东西是不是比直接让它"写代码"靠谱多了？
折射的是一个群体焦虑
我一直在想，为什么这么简单的东西能火成这样？
后来我想明白了。不对——也许"想明白"太绝对了。但至少我看到了一个角度： Grill-Me 的火爆，折射的是一整个开发者群体的焦虑——我们以为自己知道想要什么，但真被追问起来，说不出个所以然。
不是不会说话。是没想清楚。
AI 的能力已经过剩了。 Claude 、 GPT 、 Gemini ，随便拉一个出来，代码写得比大多数中级程序员快。说实话这话我写出来都觉得刺耳——但事实就是这么荒谬，工具越来越强，产出质量却没有同步提升。速度不是瓶颈，方向才是。你让它往东跑，它不会问"你确定是东吗？"它只会闷头跑。等你喊停的时候，已经跑出去三公里了。
在 AI 能力爆炸的今天，"会提问"比"会回答"值钱一万倍。
这不是鸡汤。这是实打实的生产力差距。一个能把自己的需求拆解成 20 个精确问题的人，和一个只会说"帮我做 XX"的人，用同一个 AI ，产出的质量天差地别。
Satya Janghu 做了一个增强版，加了几个特别有意思的东西：多维思维透镜——第一性原理、预验尸分析、钢铁人论证，但这些框架藏在对话背后，用户感受不到"在被分析"；模糊回答检测——你的回答含糊不清它会怼回来，不会礼貌性接受；半答案稻草人——对不完整的回答，先构建一个"稻草人版本"让你反驳。
还有会话日志。对话结束自动生成结构化摘要：意图、约束、关键决策、暴露的假设、待解决问题、明确排除的范围。
说白了，这已经不是工具了。这是一个结构化思考的外部装置。
从"指令执行"到"需求共创"
Grill-Me 的流行，预示着一个更大的转变： AI 交互范式正在从"指令执行"转向"需求共创"。
以前的模式是你下命令、 AI 干活。相当于你是个只会说"快快快"的甲方， AI 是个不问需求就开始搬砖的施工队。建出来的房子——你住着不舒服，但它已经砌完了，拆了重盖的成本全算你的。
新的模式是你和 AI 一起把需求搞清楚，再动手。相当于 AI 变成了一个会追问的产品经理，而不仅仅是执行者。
对普通人来说，最大的 AI 使用误区就是"急于让 AI 干活"。你急着让它输出，它急着展示能力，双方都没花时间搞清楚到底要做什么。这跟那些"先做再说"的烂项目有什么区别？——区别在于，烂项目至少还有个产品经理在中间拦着， AI 这边连个刹车都没有。
想想你最近一次用 AI ，是不是这样？打开对话框，输入一句模糊的指令，然后对着一堆不对味的输出反复"再改改"？
如果是，那你缺的不是更好的 AI 。
你缺的是一个人——或者一个东西——在你开口之前，先把你问清楚。
瓶颈从来不在机器那边
我后来又用 grill-me 做了几次尝试。规划课程大纲、梳理功能模块的边界条件、甚至想了一下接下来半年的技术方向。
每次都差不多——前五分钟我觉得自己很清楚要什么，到第十五分钟开始犹豫，到第三十分钟发现有好几个关键决策我压根没想过。
这感觉挺难受的。像是被人当面拆穿——你引以为傲的"想清楚了"，其实经不起五轮追问。
但它也比"稀里糊涂让 AI 干活，上线后才发现不对"好太多了。
Matt Pocock 本人说过， grill-me 远不止用于编程。规划课程、做商业决策、设计系统架构、甚至探索职业方向。本质上，它把"想清楚再动手"这个老生常谈的原则，变成了一套可执行的交互流程。
20 个字。没有什么复杂的技术，没有什么炫酷的架构。
就是把你问清楚。
嗯。
这大概是 2026 年 AI 领域最反常识的一件事：最有价值的 AI 技能，不是让 AI 做得更多，而是让 AI 先别做——先把你问明白。
在 AI 能力过剩的时代，真正的瓶颈从来不在机器那边。
它在你这边。
