夜雨聆风
最近在通勤路上听了得到 App《长谈》第 35 期，马伯庸和脱不花聊了将近两个小时。
整期节目最让我震动的，不是写作技巧，不是创作灵感，而是在第 1 小时 44 分钟时，马伯庸抛出的一个观点：
不要让 AI 解决问题，而是让它教你如何提出问题。
大部分人的 AI 用法是"帮我写这个""帮我做那个"——把 AI 当成一个更快的搜索引擎或代笔工具。但马伯庸认为这完全搞反了。
正确的方式是：把自己的信息告诉 AI，让它来反问你，通过提问确认你对自己做的事情到底把握到什么程度。
这不是什么高深的 Prompt 技巧，但仔细想想，这可能是我听过的、关于 AI 使用方式最本质的一句话。
马伯庸是怎么教儿子写作文的
马伯庸讲了一个亲身经历。
他儿子十二岁，老师布置了一篇作文，题目叫《温暖》。马伯庸是作家，按理说辅导一篇初中作文绰绰有余。但他直接跟儿子说：
"这篇爸爸没法帮你动笔，我写东西笔墨一重、文风一出来，老师一眼就能看出来不是十二岁学生写的，直接露馅。你不用发愁，让 AI 带着你梳理思路。"
然后他给 AI 发了这样一段指令：
你现在对接一名十二岁初中生，他数学、理科成绩很好，平时热爱各类体育运动，但文字表达、作文基础很差。本次作文题目是《温暖》，请依次向他提出二十个递进式问题，通过问答把作文需要的主旨、人物、场景、细节、情绪、感悟全部挖掘完整。二十个问题全部问完之后，给他一段整体性写作建议。严禁直接替他写作文、不给范文、不生成完整段落。
注意最后一句——严禁代笔。
接下来发生的事情，比任何一篇范文都有价值。
二十个问题，比一篇范文值钱一百倍
AI 没有说"我来帮你写"，而是开始一个一个地问：
- 1. 你理解的"温暖"，是身体上实实在在的暖和，还是内心感受到的感动？
- 2. 这份感受来源于亲人、同班朋友，还是路上遇见的陌生人？
- 3. 这件让你感到温暖的事，发生在哪一天、什么时间段、具体地点？
- 4. 事发当天天气、环境是什么样子，周围有什么景物、声音？
- 5. 在这件事发生之前，你和对方是什么关系，有没有闹过小矛盾？
……一直问到第 20 个：
- 20. 整篇文章结尾，你想表达什么样的感悟，传递什么道理？
每一问都在推进。从"温暖是什么"到"发生在哪"到"当时的细节"到"你的感受"到"你想表达什么"——主旨、人物、场景、细节、情绪、感悟，一层一层挖出来。
孩子跟着问题走，想起了自己的真实经历：和最好的朋友吵架冷战中，雨天骑车摔倒，膝盖磕破，对方看见后掉头跑回来，蹲在积水里徒手把自行车链条装回去，擦伤口时说了一句："别硬撑，疼就跟我说，之前吵架是我不对。"
马伯庸在节目里说：AI 能总结一切，但总结不了带有你体温的细节。这些——雨水、膝盖的血、朋友湿透的后背、那句道歉——是 AI 永远编不出来的，因为它属于孩子自己。
二十个问题答完，AI 最后给了五条写作建议——不是范文，是思路：用环境反衬（阴冷雨天 vs 人情温暖），多写感官细节（雨水冰凉、膝盖刺痛、路灯昏黄），穿插内心活动，不要流水账，结尾不要拔高到宏大道理。
孩子拿到这些之后，自己写出来的作文，每一句话都是自己的。AI 只负责帮他把脑子里的东西"翻"出来，一个都没有替他写。
为什么这比任何辅导班都有效
我仔细想了想这个过程的精妙之处——
普通辅导：老师给一个范文框架，孩子往里面填。框架是老师的，孩子只是填空工。
AI 代笔：直接生成一篇，孩子抄一遍。零思考，零成长。
AI 苏格拉底提问：孩子自己想、自己答、自己写。AI 只负责追问，像一个不知疲倦的导师，一个一个把孩子的记忆、感受、判断全部"接生"出来。
苏格拉底把自己比作"接生婆"——她不生孩子，她帮别人生孩子。AI 提问法做的就是这件事：不给你答案，帮你自己生出答案。
而且这套方法有一个人类老师很难做到的优势——耐心和系统性。
一个老师面对四十多个学生，不可能对每个学生做二十轮递进式追问。但 AI 可以。它不累、不烦、不会因为孩子答得慢就不耐烦，每一个问题都能等孩子想完再问下一个。
一个人类导师的注意力是有限的，AI 的追问边界几乎是无限的。
我在自己的 AI 助手上也做了这件事
作为一个全职做企业级 Agent 平台的开发者，我搭了一个自托管的 AI 助手，帮我管理工作、记录生活、写文章、做调研。
运行了几个月之后，我发现一个问题：它太"听话"了。我说"帮我查一下 XX"，它就去查。我说"帮我写一篇文章"，它就去写。效率高，但少了点什么。
少了什么呢？少了"被追问"的过程。
很多时候我给助手一个任务，其实自己都没想清楚要什么。它直接去做，结果做完了发现不是我要的。
所以我在助手的"灵魂文件"（SOUL.md）里加了两条规则：
用苏格拉底提问法沟通（限聊天场景）。 不直接给答案，用提问帮对方梳理思路。收到需求时先问：你已知什么？想确认什么？先问再答，确认对方对事情的把握程度，再决定如何深入。
独立执行（限做事场景）。 收到任务目标后，自己查、自己想清楚、自己做。不等确认、不问要不要做、做完了直接汇报结果。
聊天时多提问，做事时别废话。 效果很不一样——现在跟助手讨论一个想法，它会先问我问题，而不是急着给一个"标准答案"，帮我厘清了很多模糊的想法。而当我明确要它做事时，它闭嘴干活，做完了汇报。
信息茧房与被追问的稀缺性
马伯庸在节目里还分享了一个观点：他找书的秘诀是线下找个书店，去最底下一层，随便挑一本。
为什么是底层？因为底层往往是滞销书、冷门书、不在推荐算法范围内的书。在线上买书，推荐算法会根据你的历史行为不断推荐"你可能喜欢的"——越读越窄。
马伯庸在另一次采访中也说过："你在网上买书往往越买越窄。书展或实体书店呈现的是一种随机混沌的状态，你永远无法预料到你能看到什么书。"
这和"让 AI 提问"的逻辑是一体的——
算法推荐和 AI 回答，本质上都是"顺着你"——给你想看的、给你想听的。苏格拉底式提问，是"逆着你"——问你没想到的、挑战你以为自己知道的。
你的信息流不会追问你。你的推荐算法不会追问你。你的短视频 App 不会追问你。它们都在迎合你。
只有一个被设计成"提问者"而不是"回答者"的 AI，才能帮你看清自己的盲区。
强者愈强——但用对了方法，人人都能变强
马伯庸的另一个判断是：AI 时代，强者愈强。有专业积累、有独立思考能力的人，能用 AI 做出更好的东西。
这听起来有点残酷，但换个角度——
如果你把 AI 当"答案机器"，你确实会被淘汰，因为给答案这件事 AI 比你快一万倍。
但如果你把 AI 当"提问机器"——让它帮你发现盲点、挑战假设、用苏格拉底式追问帮你把问题想清楚——AI 反而成了你的思维杠杆。
马伯庸教儿子写作文这个例子就是最好的证明：AI 没有替孩子写一个字，但它通过二十个问题，帮一个作文基础很差的孩子，完成了一次高质量的思维训练。
这个孩子学到的不只是一篇《温暖》怎么写。他学到的是：怎么把一个模糊的感受，通过层层追问，变成一个清晰的、有结构的表达。
这个能力，比任何一篇范文都值钱。
你也可以试
打开你常用的 AI，把这段话发给它——
你现在对接我，请用苏格拉底式提问法，一次只问一个问题，通过连续追问帮我把下面这件事想清楚。不要给我答案或建议，只提问。等我回答后再问下一个。
然后，把你想聊的事情告诉它。可以是一个工作决策、一篇文章的构思、一个你觉得"差不多想清楚了但其实没有"的任何事。
我赌你会发现：你以为自己想清楚的事情，还有很多模糊地带。而那些被追问出来的模糊地带，才是真正有价值的部分。
因为——
答案廉价，问题昂贵。在一个 AI 能瞬间给出答案的时代，会提问的人，才是真正的强者。
本文灵感来自得到 App《长谈》第 35 期「马伯庸×脱不花：麻烦你，把话说明白」，推荐找来完整听完。
