当 AI 成为搭档,我重新学习如何提问
答案越来越容易得到,什么才是值得被认真提出的问题?

本文目录 · 6 节
图文排版演示
Memo / 留白的概念图:让零散记录先有一个落脚的地方。
更好的问题,常常比更快的答案更有价值。
—— 演示文字,用于查看多行引用的间距与换行。
一段小小的代码
下面的片段仅用于排版演示。长行保留原来的格式,可横向查看。
任务:整理我刚写下的三个想法。
背景:这是个人博客的演示内容。
要求:保留原来的语气,不补充不存在的经历。
输出:先列出共通主题,再给出一个值得追问的问题。
检查:将事实、推测与建议分别说明。
把事情放进表格
| 阶段 | 我提供什么 | 希望得到什么 | 如何检查 |
|---|---|---|---|
| 发散 | 一段零散记录 | 两三个不同角度 | 是否仍贴近问题 |
| 收敛 | 明确的使用场景 | 一个能执行的步骤 | 是否足够具体 |
| 复盘 | 真实使用反馈 | 下一轮的问题 | 是否有证据支撑 |
答案之前,是问题
当一个答案几秒钟就能出现,我们很容易把更多时间花在追问上。但追问的次数,并不等于思考的深度。我开始尝试在输入问题之前,先写下自己真正需要作出的决定。
问题变具体之后,讨论也有了边界。什么是已经知道的,什么只是猜测,什么需要找证据,这些比一段流畅的回答更重要。
保留自己的判断
我把 AI 当作可以一起讨论的搭档,而不是替我决定的人。它可以提出另一种视角,也可以帮我把模糊的想法写清楚。但当建议彼此矛盾时,我仍然需要解释自己的选择。
这种合作方式并没有让思考变少。它只是把一部分机械的工作移开,让那些真正需要判断的地方变得更清晰。
把讨论带回现实
最后,我会把讨论变成一个可以检验的小行动。搭一个界面、写一个脚本,或者向真实的人问一个问题。只有结果回到现实里,下一轮对话才有新的依据。
我们不缺更多答案。我们需要更好地理解,眼前这个答案究竟解决了什么。