我的AI搭档
让 AI 在重要对话之前，先帮你把难题走一遍。
先别急着要答案，让它先来挑错
6月份，我们在“AI多模态工坊”里讨论了AI怎样看见、听见和理解不同形式的信息。这个月，我们想继续往前走一步，看看这些能力进入日常工作以后，AI能不能成为一个真正帮得上忙的个人助手。
这个系列的第一篇，我想从自己最近很常用的一种方法说起：让AI帮我挑错。
以前，AI很像一台问答机。你问它答，你停它停。
过去，我最常问它的是：“这件事应该怎么做？”
现在，我更喜欢换一种问法：先别急着给建议。先站在反方，找出我哪里还没想清楚的点。
我第一次感觉到这种用法有点不一样，是在准备一份软件架构方案的时候。
当时的方案已经有了雏形。我没有让AI直接补全，而是让它扮演评审者，从前提、资源、异常情况和维护成本几个方向向我追问。我补充一层，它就顺着新的回答再问一层。
几轮下来，我发现原来含糊的地方一个个露了出来。当我再回头改方案时，思路反而比一开始清楚得多。
后来我发现，需要这种追问的并不只有软件方案。很多工作卡住我们的地方，都不是“没有答案”，而是有些问题从来没有被提前问过。
AI 不必事事顺着我。能在重要事情开始之前，陪我多问几遍“为什么”，已经很有用了。
有些问题，需要有人继续问下去
写方案的人，怕汇报前被老板问住；做策略的人，怕执行到一半发现前提不成立；谈客户的人，怕对方突然翻出一件自己没准备的旧账……
以前，这种追问通常要靠同事、老板或朋友。但他们未必随时有空，也很难陪我们把同一件事反复推演。
这也是我开始让AI参与进来的原因。这种用法现在能够成立，背后有几个很实际的变化。
首先，面对一份完整的方案，AI已经可以顺着前提、证据和结论继续追问。它不一定真的理解了一切，但提出的问题比过去更有针对性，不再只是围绕几个关键词打转。
其次，它一次能处理的材料更多了。方案、会议背景、历史记录和约束条件可以放在同一场对话里。上下文变长不代表它不会遗漏，但至少我们不必每一轮都从头解释。
还有一个变化，是多轮对话比以前稳定。让它扮演客户或评审者以后，它可以接着你的上一轮回答往下问，而不是问完一个问题就重新开始。
这几个变化放在一起，才让对话有机会从“一问一答”变成围绕同一个问题反复推演。当然，它仍会误解和遗漏，但已经足以帮我重新检查自己的思路。
后来，我慢慢把这种用法叫作“思维陪练”：正式见客户、做汇报或参加评审之前，先和它把难题走一遍。我想，下面两个场景应该最能说明它怎么用。
从“给答案”到“陪推演”
这不是把判断权交给AI，而是让它把你还没来得及问的问题提出来。
从一问一答，到围绕同一个问题反复推演，AI开始更像一位随时在场、但不替你作主的陪练。
它的价值，不只是提供答案，而是帮你看见自己的盲区。
场景一：客户经理，先练最不可预测的那一场
客户经理面对的压力，常常来自意料之外。提案准备得很完整，客户却突然问：“上次延迟交付，怎么保证这次不会重演？”预算反复确认，对方又临时通知：“刚刚砍掉30%，重新做吧。”
人在这种时候既要稳住情绪，又要重新组织逻辑，很容易一下卡住。
正式见客户之前，可以先让AI扮演一个难缠但合理的客户：容易质疑承诺、会翻旧账、可能临时改变约束条件，但只攻击方案，不进行人身攻击。
把提案、合作背景和会议目标交给AI，每回答一次，就让它继续追问。我们当然无法准确猜中客户下一句会说什么，但可以先适应几种不舒服的局面。真遇到类似问题时，我们脑子里至少不是一片空白。
场景二：产品经理，把逻辑链一直问到底
产品经理面对的是另一种压力。
比如在需求评审会上，技术负责人可能语气平静地问：“优先级的依据是什么？”“资源减少三分之一，哪些功能必须保留？”“用户使用频率有数据支撑吗？”
这些问题没有情绪，却会沿着同一条逻辑链不断深入。一个关键假设如果没有想清楚，后面的优先级、资源安排和结果预期都可能随之松动。
这时，可以让AI扮演技术负责人，只根据PRD、调研和数据发问。它可能从“为什么A高于B”一路问到“这个依据失效后怎样重排”“重排后还能否按时完成”。几轮以后，哪些结论有证据，哪些只是自己的判断，就会变得清楚。
让这些问题暴露在会议之前，总比暴露在会议现场更从容。
这两个场景很不一样：一个模拟“不太讲理的人”，一个模拟“太讲理的人”。但做法相同，都是把与真人的关键对话提前练一遍。
怎样开始一场有效的“思维陪练”
日常使用AI时，我们习惯问完就走：提出问题，拿到答案，然后关掉页面。
我后来给自己定了一个简单规则：别问完就走，至少和它谈三个回合。
开始前，告诉它扮演谁、重点检查什么、哪些事情不能做，以及什么时候开始复盘。或许你可以这样开场：
请扮演一名严格的[客户/老板/评审者]，检查这份材料中的假设、逻辑、数据和边界条件。
只依据我提供的内容；信息不足时直接指出，不要自行补充。每次只问一个问题，根据我的回答继续追问，不要替我回答。
当我说“开始复盘”时，再整理关键漏洞、风险、待补证据和修改建议。
我的目标和材料： [在这里粘贴内容]
还可以让它顺便说明“为什么这个问题重要”，避免为了刁难而刁难。
它问得尖锐，不代表它问得对
做思维陪练，不意味着把判断权交给AI。
AI指出的漏洞未必存在，引用的数据也要重新核验。涉及客户信息、内部数据和个人隐私时，还要遵守组织规范，必要时先脱敏，或者选择权限边界更清晰的本地工具。
我会把自己和AI的分工想得很简单：AI帮我多看几个角度，哪些问题真的成立、最后怎么决定，仍然由我负责。
下次再遇到那个“最怕被问住”的任务，可以先别让AI替你写答案。把材料交给它，指定一个角色，然后说：“请先站在反方，问我第一个问题。”
AI帮我多看几个角度；哪些问题真的成立、最后怎么决定，仍然由我负责。