Grill Me:让 AI 不急着回答,而是先把问题问透

我们经常把 AI 当成一个“答案生成器”：输入一个想法，期待它马上给出计划、方案、文案或代码。

但复杂问题最危险的地方，往往不是“没有答案”，而是“太早有了答案”。当目标还没对齐、边界还没拆清、事实还没查证、关键决策还没人确认时，一个看起来完整的方案反而会制造误导：它让人误以为已经想清楚了。

Grill Me 这个 skill 的价值，就在于让 AI 先慢下来。

它不是直接替你拍板，而是像一个严格的访谈者，围绕你的计划、决策或想法持续追问：你到底想达成什么？哪些是事实？哪些是选择？哪些依赖还没解决？哪些风险会在执行后才爆出来？它会给出推荐答案，但每一个真正的决策仍然需要你确认。

Grill Me 到底做什么

一句话说，Grill Me 是一个把“模糊想法”压成“可执行方案”的澄清型 skill。

它的说明非常短，但边界很清楚：

• 围绕一个计划、决策或想法持续追问。
• 沿着决策树一条分支一条分支往下走。
• 把决策之间的依赖逐个解开。
• 每次只问一个问题，并附上推荐答案。
• 能通过环境、文件、工具查到的事实，不拿来问用户。
• 需要用户选择的决策，必须等用户确认。
• 在双方达成共同理解之前，不直接进入执行。

这套规则让它和普通的“帮我想想”完全不同。普通 AI 对话倾向于尽快输出，而 Grill Me 倾向于先拆问题。普通对话容易把事实和判断混在一起，而 Grill Me 会把两者分开：事实由工具查，决策由人确认。

它的交互方式：一次只逼问一个决策点

Grill Me 最重要的交互特点，是一次只问一个问题。

这看起来慢，实际很高效。因为复杂任务里的问题通常有依赖顺序：上一个选择没定，下一个问题就没有稳定上下文。一次性问十个问题，用户看似有更多自由，实际很容易答得混乱，AI 也很难判断哪些答案会互相影响。

Grill Me 的交互节奏更像这样：

1. 先确认当前真正要解决的问题。
2. 查掉能查的事实，不浪费用户注意力。
3. 找出第一个必须由用户决定的分支。
4. 提出一个问题。
5. 同时给出推荐答案和理由。
6. 等用户确认、修正或否定。
7. 再进入下一个分支。

这里的关键不是“追问很多”，而是“每个问题都减少一个不确定性”。问完一个，方案就更清楚一层；确认一个，后续执行就少一个返工点。

为什么它不是“刁难用户”

很多人第一次听到 Grill Me，会以为它是在不停挑战用户。其实它真正挑战的不是用户，而是想法里的含糊地带。

一个模糊需求里通常藏着几类风险：

• 目标风险：到底要优化速度、质量、成本，还是可维护性？
• 边界风险：这个功能做到哪里为止，哪些明确不做？
• 责任风险：哪些由 AI 自动处理，哪些必须用户确认？
• 事实风险：当前环境、代码、数据、权限是否支持这个方案？
• 执行风险：如果失败，回滚、重试、降级策略是什么？

如果这些问题不在前期暴露，它们就会在开发、发布或使用时暴露。那时再改，成本通常更高。

Grill Me 的提问，就是把这些风险提前搬到桌面上。

最后达成的效果：共同理解，而不是一份漂亮文档

很多 AI 方案的问题是：文档很完整，但人和 AI 并没有真正对齐。用户以为 A，AI 理解成 B；用户关心边界，AI 只补了流程；用户要最小实现，AI 做成了复杂系统。

Grill Me 追求的最终效果不是“写出一篇长方案”，而是达成共同理解。

共同理解意味着：

• 目标被重新表述过，双方都认可。
• 事实已经尽量查证，不靠猜。
• 决策点被拆开，不混在一句需求里。
• 每个关键选择都有明确理由。
• 用户知道自己确认了什么，也知道哪些没有确认。
• 后续执行有清晰边界，不会边做边猜。

当达到这个状态，AI 再去写代码、写方案、做设计或生成文章，质量会明显稳定。因为它不再是在一个模糊输入上自由发挥，而是在一组确认过的约束里执行。

它主要提升效率的点在哪里

Grill Me 的提效不是让每次对话少几分钟，而是减少后面的返工和误判。

第一，减少无效执行。

很多任务一开始看起来可以直接做，但做着做着才发现目标错了、边界错了、数据源错了、用户期望错了。Grill Me 会在动手前把这些不确定性逼出来，让执行建立在更稳定的前提上。

第二，减少重复沟通。

它不会一次抛出一堆开放问题，而是每次只推进一个决策，并且给推荐答案。用户只需要围绕一个明确判断做确认，沟通成本比“你想怎么做？”这种大问题低很多。

第三，减少 AI 幻觉式补全。

它要求能查的事实先查，不把环境事实当成用户问答题。这样可以避免 AI 在不知道代码、配置、权限、现状时强行补设定。

第四，减少方案漂移。

复杂任务很容易聊着聊着偏离最初目标。Grill Me 会持续把讨论拉回决策树：当前这个问题解决了没有？下一个依赖是什么？确认后才继续。

第五，让执行更容易验收。

当每个关键选择都被确认过，最后验收时就不只是看“有没有做完”，而是看“是否符合确认过的边界和效果”。这让验收标准更清楚，也更适合交给 AI 执行。

什么时候最值得用

Grill Me 最适合这些场景：

• 你只有一个模糊想法，还不知道怎么落地。
• 你要做一个产品功能，但边界没有想清楚。
• 你在多个技术方案之间摇摆。
• 你担心 AI 过度设计或误解需求。
• 你要把一个流程变成 skill、插件、自动化或长期可复用机制。
• 你希望在开发前先把风险、依赖、验收标准问清楚。

反过来，如果任务已经非常明确，比如“把字段名 A 改成 B”“运行测试”“修一个已定位的报错”，就不一定需要 Grill Me。这时候直接执行更高效。

一个好用的提示方式

你可以这样使用它：

用 Grill Me 来拷问我这个方案，直到我们达成共同理解。每次只问一个问题，并给出你的推荐答案。事实能查就自己查，不要问我。没有确认前不要开始执行。

这个提示的重点有三层：

• 拷问方案：目标是压力测试，不是直接产出。
• 一次一个问题：控制交互粒度。
• 确认前不执行：防止 AI 提前行动。

只要这三点在，Grill Me 就能发挥作用。

最后

Grill Me 不是让 AI 变得更强势，而是让 AI 更克制。

它提醒我们：复杂任务里，最重要的不是马上得到一个答案，而是先知道哪些事情还没想清楚。一个方案能经受住连续追问，才更可能经受住真实执行。

所以它真正提升的，不是“生成速度”，而是“决策质量”。而决策质量提升后，执行速度自然会快。