夜雨聆风
DEEP THINKING IN AI ERA
AI 时代最反直觉的常识
同样花 200 刀买 AI，有人赚回 200 万，有人只养了一只电子宠物
最近在北京见了不少人，大家付费给 AI、用同样的工具，反馈却完全不同。有人觉得 AI 是绝世神兵，有人觉得不过是电子宠物。聊多了，我慢慢形成一个判断：AI 时代的提问质量，决定了算力分配。而且这个差距，后面大概率还会拉开。
这背后有一个反直觉的机制：你问得越清楚，AI 越愿意把更深的算力切给你；你问得越模糊，它越可能进入讨好模式——看起来什么都懂，实际上什么都没帮你解决。
问题定义得越精准，AI 越能帮你做长期托管、大目标、从消费级到专业级的事；定义不清楚，就只能当陪聊。觉得 AI 没用，有时不是工具问题，是问题还没问到位。
AI 有两种模式，你的提问决定它走哪条
如果你也有过「AI 怎么突然变笨了」的感觉，先别急着换模型。更常见的解释是：它判断这个问题暂时不需要更深的思考链条，于是切到了轻量模式。
AI 系统大致有两种模式，你的提问质量，决定它走哪条。
讨好模式：像一个很会接话的朋友，先接住你，让你觉得它懂你。实际上调用的是最低思考计算模型，套话回应，成本低、响应快——但真要帮你干活，往往力不从心。
深度思考模式：当它识别到你的问题层级足够高，才会激活真正的思考链条，给你可交付的产出。
那 AI 怎么判断该走哪条路？说白了，就是看你怎么提问。
模糊问题，只能拿到通用答案
比如说你问一个特别模糊的问题：
AI 能够帮我干啥？
它给你的就是通用性话题。看起来什么都能聊，实际上什么都没帮你解决——你拿到的是模型默认答案，不是为你定制的产出。
但如果你这样问——
1. 我是【什么背景】的人，现在需要 AI 帮我达到【什么效果】。2. 我目前的问题和痛点是什么？3. 我的思考模型是什么，卡点和盲点在哪里？
有背景、有任务、有目标、有逻辑——AI 才会调动深度思考链条。这不是什么提示词技巧，更像是你内在认知的外化：你说得越清楚，AI 越帮得上忙。
下面这版，你可以直接复制，把括号里的内容换成你自己的情况，试一次看看差别：
我是一个【你的背景/行业/阶段】的人。我现在需要 AI 帮我达到【具体目标/交付物】。我目前的问题和痛点是：【写清楚卡点】。我目前的思考模型是：【你怎么理解这件事】。我怀疑自己的盲点在：【你不确定的地方】。请先帮我拆解问题，找到关键假设，再给出可执行的下一步。如果我的问题还不够清楚，请先反问我。
提问能力，其实是认知能力的一面镜子
在 AI 时代，底层逻辑思考能力和提问能力，其实是一体的——你怎么问，暴露的是你能把事情想到多清楚。
只有真正深耕一个领域、有自己的行业认知，才能把问题说具体。这是深度认知、表达和逻辑梳理叠在一起的结果，体现的是你内在世界搭得够不够稳。说得越清楚，说明你想得越完整；说得越模糊，往往说明你自己也还在理。
AI 不会替你想清楚，但它会放大你已经想清楚的部分。
这个时代，「聪明人」换了张脸
我观察到一个变化：现在那些把 AI 用得好的人，跟传统印象里那种「聪明人」，不太一样。
我们习惯把聪明理解成会考试、会做题；但在 AI 时代，真正跑得快的，往往是内在世界非常丰富、能把认知内力说出来的人——有自己的体系，能在行业里找到痛点、卡点、盲点，再跟 AI 对话。
越会深度思考的人，在这个时代反而更容易被看见。
沉默寡言的人，也可能在这个时代被放大
还有一个变化：很多平时沉默寡言的人，正在跟 AI 深度对话——不擅长公开场合表达，却擅长在对话里一层层拆出自己的内在世界。AI 成了他们的「思考健身房」，深度思考能力反倒在加速。
那些过去不被看见的深度思考者，在这个时代，反而有可能被放大。
认知差距不只是「差一截」，有时像「变异」
AI 时代的认知差距，不只是「差一点」，有时像「差一代」。你需要不断打破旧认知、重建新认知，螺旋上升——这个过程注定是反复、长期，也并不轻松。
AI 放大了你已有的能力，但 0 乘以任何数还是 0。你得先有自己的基础和认知能力，AI 才能给你倍数赋能。
基础不够的时候，AI 再强，也只是帮你更快地走完一段还没想清楚的路。
信息平权了，能力差距反而可能更大
顺着这个逻辑想：信息差会被磨平，但能力差距反而可能被拉大。AI 能处理越来越多复杂业务，可如果你不修炼「认知内力」，能定义问题、把深度思考变成高质量产出的人，和只把 AI 当电子宠物的人，差距只会越来越大。
工具越平权，人的分化越明显——这或许正是 AI 时代最反直觉的常识之一。
模型公司，大概率不会帮你抹平这个差距
从模型公司的商业逻辑看，他们提供的是通用能力，让更多人用起来、持续消耗，比教每个人把订阅用出十倍价值，要容易得多。
这不是在指责谁，只是商业结构本身决定的。模型公司要的是规模，不是替每个用户做认知教练。
所以，模型公司会主动帮你抹平「使用深度」带来的差距吗？我的判断是：不会，也不太可能。
AI 没降门槛，抬的是隐性认知门槛
还有一个很多人容易误会的地方：使用 AI，并不会降低任何行业的真正门槛。
不管是 Cursor、Claude Code、ChatGPT 还是 Codex，这些工具看似降低了显性的技术门槛，实则抬高了隐性的认知门槛——对深度思考的要求反而更高了。
我现在能用 AI 编程、做全栈式研发，但这从未降低过行业门槛。过去如果我去学编程，照样可能成为一个ctrc工程师；现在有了 AI，它只是加速了我的认知学习过程。
AI 降低了「动手」的门槛，却抬高了「动脑」的门槛。门槛没有消失，只是换了个地方。
大模型背后，其实在做「专家路由」
我用 DeepSeek、Kimi 时也奇怪过：为什么有时回答特别深，有时又特别「敷衍」？后来想明白原理，这背后是「专家路由」——不是每次启动都把全部神经网络跑一遍，而是实时判断该调用哪些模组化专家。
这样更省算力，命中也更高。你可以理解成：AI 根据你的问题，决定走哪条专家链条。提问越精准，命中的链条越对，产出越值钱——这也解释了，为什么开头的两种模式，最终都回到同一个变量：你怎么问。
AI 是绝世神兵，但得先练你自己
AI 真的是一件「绝世神兵」——但神兵要先有内力。我自己的用法是：用它训练我自己，而不只是让它替我出力。这个过程可能痛苦，但这种人机协同的进化，始终令人兴奋。
我有时候会把这个时代比作修炼：不是囤工具、追热点，而是修炼深度思考和内在世界。
修炼自己的深度思考，修炼自己的内在世界——这可能是这个时代的课题。
高质量提问的 4 要素，可以先存下来
如果你暂时不知道从哪开始，可以先把高质量提问的 4 个要素存下来。每次跟 AI 对话之前，过一遍就好。
学习 AI 最重要的，不是追热点、换模型、囤提示词，而是修炼一套能长期迁移的底层逻辑思考能力。无论你用 ChatGPT、豆包、DeepSeek、Claude 还是 Cursor，底层逻辑都一样：
提问质量，决定算力分配；
认知内力，决定 AI 能给你什么。
下次开口之前，可以先问自己一句：我的背景、任务、目标、逻辑，说清楚了吗？
文末互动
回想一下你最近一次跟 AI 的对话：它是讨好模式，还是深度思考模式？如果发现自己总是在拿通用答案，可以试着用「背景 + 任务 + 目标 + 逻辑」四要素，重新问一次同样的问题。看看 AI 给你的回应，是不是会不一样。
