夜雨聆风
别再让AI直接写稿：这套“专家群聊法”，帮你把一个问题真正想透
作者｜黄耿东
AI专家聊天室｜好问题生成器｜交互式学习
问题没想清楚，AI只会帮你更快地生产完整废话。 |
很多人用AI，第一句话就是：“帮我写一篇文章。”
几十秒后，标题有了，结构有了，金句也有了。可你认真读一遍，常常会发现：字很多，脑子里还是一团雾。
因为AI只是把一个没想清楚的问题，包装得更像一篇文章。以前写不清楚，至少你知道自己没想清楚；现在AI写得太顺，反而容易让你误以为：我已经懂了。
AI最大的风险，不是它写得差，而是它写得太像对的。 |
所以我的内容生产流程，通常不是先让AI写稿，而是先跟AI把一个问题聊清楚。
真正耗费时间的，从来不是制作内容，而是把问题想清楚。
01一条百万播放的视频，我只用了两小时
真实案例 之前我要去参加线下课，担心上课期间没时间拍视频，就提前准备了一条关于“执行力”的内容。最后这条视频，做到了大约一两百万播放。 很多人可能会以为，我花了很长时间写稿、改开头、设计节奏。其实没有。从准备内容到拍完、发布，大约只用了两个小时。真正花时间的，是前面的五天。 |
那几天，我一直在跟AI聊一个问题：执行力明明能给人带来很多好处，为什么很多人就是没有执行力？
正常的问法可能是：“怎样提升执行力？”得到的答案，大概率也是制定目标、拆解任务、减少拖延、立即行动。每句话都对，但没有一句真正打到问题里面。
后来我换了一个反常问法：有执行力这件事，到底会给一个人带来什么坏处？ |
这一下，问题才真正打开。
有执行力，可能意味着你要承担更多责任；意味着别人会对你有更高期待；意味着你不能继续用“我还没准备好”保护自己；也意味着一旦做了，就要面对失败、评价和结果。
有时候，一个人不是不知道行动有好处，而是“不行动”也在偷偷保护他。
这个问题，我从周一聊到周五。AI给出的答案不满意，我就继续追问；有新想法，就继续补。中间还顺手发了大约七条微博。
等我终于把这个问题想清楚以后，视频反而很好拍。甚至不需要完整稿子，看着几个观点，就能直接讲。
内容生产最贵的部分，不是写，是想清楚。 |
AI能把一篇文章从两小时缩短到十分钟。但如果你的问题本来就是错的，它也能帮你用十分钟，生产出一篇非常完整的废话。
02普通聊天不够，我需要一个“AI专家群”
一个复杂问题，通常不只属于一个领域。
比如“为什么一个人没有执行力”，可能同时涉及心理学、认知科学、行为习惯、家庭环境、商业管理。
比如“网红和IP到底有什么区别”，也不只是两个名词的区别，它还涉及用户关系、信任、传播、商业模式、内容资产和生命周期。
这时候，只让一个AI回答，容易出现一个问题：它会给你一份看起来很全面的总结，但每个角度都点到为止。
动物类比 像一只鸟飞过自助餐台，每道菜都啄一下。盘子看起来很满，但没有一道真正吃明白。 |
所以我想做的，不是一个普通问答框，而是一个“AI专家聊天室”。说得简单一点：把一个复杂问题扔进群里，让不同领域的“专家”一起聊。
Agent是什么？
你可以把Agent理解成一个能围绕目标持续做事的AI角色。普通聊天机器人更像前台，你问一句，它答一句；Agent更像项目负责人，知道这次要完成什么，会拆任务，也会安排下一步。
子Agent是什么？
子Agent就是项目组里的不同成员。有人负责心理学，有人负责商业，有人负责传播，有人负责检查逻辑。
重点不是让同一只鹦鹉换四顶帽子，而是让几个相对独立的角色，真的从不同方向分析。 |
Skill是什么？
Skill可以理解成一套提前装好的工作流程，像公司里的标准作业程序。你不需要每次都重新告诉AI先做什么、再做什么、谁负责检查、什么时候结束。流程提前写好，调用以后就能直接运行。
03一个真正有效的专家群，需要四种角色
01 主Agent
像项目经理，负责识别问题涉及哪些领域，再安排不同角色进入讨论。
02 领域专家
每个人只负责自己擅长的方向，从不同学科提供分析框架。
03 主持人
不负责疯狂输出新观点，主要检查大家是不是在讨论同一件事、分歧在哪里、哪些观点已经形成共识。
04 审核者
讨论进行到一半，跳出来检查：这个群到底聊清楚了，还是只是在热闹。
五个人聊得很兴奋，不代表问题解决了。有时A在说苹果，B在说香蕉，C在分析水果行业。大家都没错，但根本没有对齐。 |
04为什么你和AI聊得越久，脑子反而越乱？
因为聊天会不断分叉。
你问“网红和IP有什么区别”，AI先讲定义。讲完定义，又能讨论变现；讲到变现，又能讨论私域；讲到私域，又能讨论个人品牌。继续聊下去，可能从网红和IP，一路聊到公司管理、人生选择和自我实现。
不是AI突然失控，而是你一开始的问题没有终点。
还有一个更现实的问题：聊天记录会越来越长。假设三个专家，每个人一次讲五百字，主持人再总结五百字，一轮就是两千字。几轮下来，聊天框直接变成“群消息99+”。
后面的角色每次回答，都要重新消化前面的内容。信息越来越多，重点越来越模糊。
动物类比 像一群猴子不断往房间里搬香蕉。香蕉确实越来越多，但最后谁也不知道，一开始进房间是为了干什么。 |
所以系统需要保留关键结论、当前分歧和最近几轮讨论。已经解决的问题应该被压缩，无关内容应该被遗忘。
知识没有沉淀，只是在堆聊天记录。 |
05真正决定结果的，是问题能不能结束
一开始，我也不知道专家聊天室应该什么时候停。只要愿意，它可以一直聊。专家说完，你又有新想法；你补一句，它再回一轮。
聊两个小时，可能积累一百个观点。拍一条视频当然够了，但问题是：为什么是现在停止？因为要吃饭了？因为有点累了？还是因为这件事真的已经聊清楚了？
后来我发现，想让讨论结束，必须先提出一个“可以被终结的问题”。
“网红和IP有什么区别？”不是一个好问题。范围太大，没有使用场景，也没有完成标准。 |
更好的问法是：对于正在做个人账号的内容创作者，如何从用户关系、内容资产、商业模式和发展周期四个角度，判断自己现在更接近网红还是IP，并确定下一阶段最应该补什么？
前一个问题是在查字典，后一个问题是在解决真实任务。
06一个能被解决的问题，必须有四样东西
01 对象
你到底在研究谁？是所有内容创作者，还是刚开始做个人账号的人？
02 目的
你为什么要问？为了写文章、拍视频、做产品，还是做商业判断？
03 边界
这一次讨论哪些内容？哪些内容暂时不讨论？
04 终止条件
做到什么程度，就算完成？能解释概念、能做出判断，还是能让用户直接行动？
动物类比 好问题就像给猎犬一个明确气味。气味越清楚，它越知道往哪里追。你只说一句“去森林里找点东西”，它当然满山乱跑。 |
所以我后来又做了一个“好问题生成器”。它不急着回答，先帮我把脑子里那团东西，整理成一个有对象、有目的、有边界、有终点的问题。
很多人以为自己缺答案，其实他连真正的问题，都还没有说出来。 |
07什么叫“收敛”？说人话：不同答案开始汇到一起
专家聊天室里有一个重要判断，叫“收敛”。这个词听起来很技术，其实很好理解。
心理学从人的动机分析，传播学从用户认知分析，商业从收益和成本分析。大家走的路不一样，但最后，几条路慢慢汇到同一个结论。
自然类比 像几条从不同山头流下来的小河，最后进入同一条河道。 |
当然，这不代表结论永远正确。复杂问题，本来就很少有百分之百正确的答案。
我更关心的是：这个结论，够不够支持我现在的行动？
如果它能支持我写完文章、拍完视频、做出决策，而且未来一段时间不需要重新讨论，就已经够了。
我不追求一次聊出宇宙真理。我只需要得到一个在当前任务里，足够稳定的判断。 |
很多人迟迟不行动，不是因为答案太少，而是因为他要求答案永远不能错。 |
现实决策不是考试，没有标准答案。先拿到一个经过多角度验证、能够行动的版本；做了以后，再根据结果更新。
08聊跑偏了，不要再让AI“深入一点”
很多人发现AI回答不对，会继续说：“再深入一点”“再专业一点”“重新分析”。
问题是，如果方向已经错了，越深入只会错得越远。
比如几个专家一直在讨论“IP”，但有人把IP理解成知名度，有人理解成个人品牌，有人理解成可持续商业资产。概念都没对齐，继续深挖没有意义。
正确的纠偏流程
01 发现没聊清楚
先承认当前讨论没有对齐。
02 暂停讨论
不要继续堆答案。
03 审核聊天记录
找出讨论从哪里开始偏离。
04 找出未定义概念
确认不同角色是否在使用同一个词。
05 重新拆解
先把概念和问题边界重新整理。
06 送回聊天室
再继续讨论，并重新检查是否收敛。
我的延伸判断｜《系统之美》 这本书给我的启发是：真正有效的系统，不是第一次就永远正确，而是能够发现偏差、接收反馈，再重新调整。 所以，一个提示词不是系统。能发现错误、修正错误、重新运行，才叫系统。 |
09专家聊天室和交互式学习，不是一回事
专家聊天室解决的是：我隐约知道，但讲不清楚
比如你看到两个人。一个让你觉得像网红，另一个让你觉得像IP。你有感觉，但让你写三千字，说清楚为什么，你写不出来。
这说明判断已经在脑子里，只是还没有被整理成语言。
动物类比 一只猫知道怎样从柜子上跳下来。它会调整身体、尾巴和落点。但你让它写一篇《猫咪落地操作手册》，它写不出来。 |
我的延伸判断｜《默会维度》 迈克尔·波兰尼提出：人知道的东西，往往比自己能够说出来的更多。很多创作者会选题、会判断、能感到哪里不对，却说不出自己的方法。 专家聊天室的价值，就是把这些“我好像知道”的东西，一点点逼出来，变成可以表达、可以复用的方法。 |
交互式学习解决的是：别人已经讲清楚了，但我还是不会
你看完一篇教程，每个字都认识，每一句也能看懂。合起来，就是不会操作。
这就是“看懂”和“学会”的区别。
布鲁姆关于一对一教学、掌握学习和持续反馈的研究，真正值得吸收的，不是简单宣传“AI能让所有人进入前2%”，而是一个更朴素的原则：学习应该根据上一轮的结果，决定下一轮学什么。
不会，就换一种解释；理解了，就提高难度；能复述，还要继续做应用。AI真正适合的，不是把同一份课件再播放一遍，而是根据你的反应，动态调整下一步。
看懂，不等于学会。 |
课程录音在“动态工作流”的下一段案例处中断。本文只保留已经确认的方法框架，不补写缺失案例。 |
10我从这套方法里，得到三个判断
判断一｜AI不是替你思考，是逼你把半成品想法说出来
很多人脑子里不是没有东西，而是东西还处于毛坯状态。
AI的价值，不是替你建一栋完全陌生的房子，而是帮你把已经存在的钢筋、水泥和图纸碎片重新整理。
你跟AI不断讨论的过程，本质上是在把隐性判断变成显性表达。
判断二｜一个专家容易给结论，多学科才能看见边界
《穷查理宝典》反复强调跨学科的思维模型。同一个问题，只用一种模型看，很容易把所有东西都解释成自己熟悉的样子。
手里只有锤子，看什么都像钉子。只懂流量的人，所有问题都是曝光不够；只懂心理的人，所有问题都是内在创伤；只懂商业的人，所有问题都是收益不够。
真正稳定的判断，通常来自多个模型交叉验证。
判断三｜AI时代最值钱的，是终止混乱的能力
以后写一篇文章、做一张图、生成一条视频，只会越来越快。当所有人都能生产，生产本身就会越来越不值钱。
真正稀缺的是：你知不知道该问什么？能不能发现讨论跑偏？什么时候应该继续？什么时候已经够了？什么时候必须停？
很多人不是不会用AI，而是不会结束。收藏了一百条提示词，开了十几个聊天框，最后没有一个问题真正形成结论。
工具越来越多，判断越来越少。 |
11一套可以直接复制的操作流程
01 写下原始问题
不用追求专业，先把你真正困惑的地方写出来。
02 重写成好问题
补齐对象、目的、边界和终止条件。
03 识别相关领域
判断问题涉及心理、传播、商业、技术，还是其他方向。
04 建立专家聊天室
主Agent负责组织，不同子Agent分别分析，主持人总结，审核者找问题。
05 中途审核纠偏
检查概念混乱、观点重复和答非所问。发现方向错了，先修方向。
06 达到收敛后再写稿
当不同角度形成稳定结论，并满足任务目标，就停止讨论，再让AI整理文章。
这时候，AI不是在帮你凭空编观点，而是在帮你表达一个已经想清楚的东西。 |
12最后：先把问题聊清楚
很多人把AI当成打字速度更快的员工，所以每天都在研究：哪条提示词更强？哪个模型写得更像人？怎样一分钟生成十篇文章？
但我越来越确定：AI真正拉开人与人差距的，不是生成速度，而是思考质量。
问题没想清楚，AI会放大混乱；问题想清楚，AI才会放大能力。
所以下次不要一上来就说：“帮我写一篇文章。”
先问自己：我到底要解决谁的问题？我想得到什么结果？这次讨论的边界在哪里？做到什么程度，就可以停止？
先把问题聊清楚。稿子，只是问题想清楚以后，顺手长出来的东西。 |
延伸阅读
《系统之美》｜反馈、纠偏与系统思维。
《默会维度》｜人知道的，往往多于能够说出来的。
《穷查理宝典》｜跨学科思维模型与多角度验证。
Benjamin Bloom相关研究｜一对一教学、掌握学习与持续反馈。
内容底稿：课程6《AI专家聊天室与交互式学习》校对稿。
