最近，我发现自己越来越容易获得一个“看起来不错”的答案。
把一个问题交给 AI，几秒钟以后，就能得到结构完整、语言流畅的解释。这当然是一件好事。但在方便之外，我也开始留意另一种变化：有时，我还没有真正理解问题，就已经接过了答案。
答案变多了，问题更重要了
过去，获取信息本身需要付出很大的成本。查资料、翻书、询问有经验的人，每一步都让我们有机会重新理解自己的问题。
现在，这个过程被大幅缩短了。我们可以立即获得十种方案，却未必知道应该选择哪一种。
一个好的问题，不只是在索取答案。它也在帮助我们看清自己真正想要什么。
所以我开始尝试，在向 AI 提问之前，先写下三件事：
- 我现在究竟遇到了什么问题？
- 我已经知道什么，还有什么只是猜测？
- 一个有用的答案，应该帮我做出什么决定？
这三句话并不复杂，却经常改变最后的问题。
不要跳过自己的第一轮思考
我正在练习一个很小的习惯：先给出自己的判断，再让工具参与。
比如读完一篇文章，我会先用自己的话总结它的核心观点。然后请 AI 指出遗漏的前提，提供可能的反例。这时，AI 更像一个耐心的讨论伙伴。
让分歧成为学习的入口
如果工具的建议和我的判断不同，我不会立刻选择其中一个。我会追问：我们用了哪些不同的假设？哪些信息可以核实？这个结论适用于什么范围？
| 做法 | 可能的收获 |
|---|---|
| 直接索取结论 | 更快得到一份答案 |
| 先写下自己的理解 | 看见思考中的空白 |
| 请求反例与不同假设 | 更清楚地理解边界 |
这不是为了证明自己正确，而是让判断变得可解释。
把工具放在合适的位置
对我来说，AI 最有价值的用法，是帮助我展开可能性、检查盲点、降低实践的成本。它可以扩展思考，但不应该替我决定什么值得做。
判断来自信息，也来自经验、价值取舍和对后果的承担。这些东西，需要我们留在现场。
一个暂时的结论
当答案越来越容易获得，认真提问、独立判断、持续实践，会变得更加重要。
我希望自己既能熟练使用新工具，也能保留一点缓慢：在接受答案之前，先听见自己正在问什么。