深度使用 AI 之后的几个反直觉感受

深度使用 ChatGPT 一年之后，我越来越确定一件事：

真正会用 AI 的人，几乎都不是在研究“怎么问”。

我接下来想说的几件事，和主流的 AI 使用经验都不太一样，甚至有些反直觉。

它们不是技巧，也不是方法论，而是我在长期高频使用之后，形成的一些个人主观判断。

一、AI 用得越多，反而越不是为了“省时间”

大多数人开始用 AI，都是冲着一个目的：快。

• 写得更快
• 查得更快
• 产出得更快

但对我来说，随着使用深度增加，AI 带来的最大变化，反而不是“节省时间”，而是改变了时间被花在什么地方。

以前做一个判断，很大一部分时间消耗在：

• 信息搜集
• 背景补齐
• 零散资料的拼接

现在这些工作，大量被 AI 接管了。

结果并不是我思考得更快，而是我开始把更多时间用在判断、取舍和推演上。

换句话说，AI 提高的不是效率，而是单位时间里的思考密度。

而真正重要的决策，本来就不该太快。

二、AI 最有价值的时候，往往是你“不确定”的时候

一个很常见的用法是：

等我想清楚了，再让 AI 帮我验证一下。

但我自己的使用路径，几乎是反过来的。

很多时候，我是在：

• 想法还很模糊
• 判断左右摇摆
• 甚至有点混乱的时候

就已经开始跟 AI 对话了。

我并不指望它给我一个“正确答案”，而是让它参与到一个尚未成型的思考过程里。

在这个阶段，AI 更像是一个：

• 能持续回应
• 不会不耐烦
• 又能不断逼你把问题说清楚的对象

后来我发现，很多人说“我不知道该问 AI 什么”，其实恰恰说明——

他们还习惯等问题成熟之后，才允许它出现。

而对我来说，AI 最有价值的时刻，反而是问题还没站稳的时候。

三、AI 不会让人更聪明，只会放大差距

这是一个不太讨喜，但我越来越确定的判断，所谓“技术平权”更加遥远。

AI 并不会自动让人变聪明。

它更像一个认知杠杆：

• 有判断力的人，用 AI 会更快形成系统
• 能提出好问题的人，会得到更多反馈
• 思考混乱的人，只会生成更多混乱内容

你原本的思考方式，几乎会被原封不动地放大。

所以你会看到一种很明显的分化：

• 有些人用 AI，很快进入“第二层、第三层”
• 有些人用了一年，仍然停留在“帮我写点东西”

这不是工具差异，而是使用者本身的差异。

AI 从来不是认知补丁，它只是认知放大器。

四、真正重要的不是“问得好”，而是“知道自己要什么”

很多关于 AI 的讨论，都会绕到“提示词”上。

但我越来越觉得，提示词之所以被神话，是因为它掩盖了一个更本质的问题：

你到底想解决什么？

在我的使用经验里，写提示词的过程，本质上并不是在“教 AI 怎么做”，而是在逼自己把需求讲清楚。

• 目标是什么
• 约束条件有哪些
• 什么是可以接受的，什么是不可以的

当这些事情想清楚了，提示词自然不会差到哪里去。

反过来，如果你自己都说不清楚要什么，再复杂的提示词，也只是形式上的精致。

所以我一直觉得：

与其研究怎么写提示词，不如多花点时间想清楚你真正要解决的问题。

五、当你开始把 AI 当“系统的一部分”，它才真正开始有用

还有一个变化，往往发生得很晚，但一旦发生，就很难退回去。

那就是：

你不再把 AI 当成一个“用完即走的工具”。

对话开始有连续性，问题开始有上下文，判断开始建立在历史基础之上。

你不再每一次都从零开始，而是默认：

• AI 知道你在做什么
• 知道你不关心什么
• 知道你过去做过哪些判断

这个时候，AI 才真正嵌入进你的工作流、思考路径和决策结构里。

它不再是一个“被调用的对象”，而是你系统中的一个长期模块。

当 AI 不再只是帮你完成任务，而开始参与思考、补全信息、提前排错，它带来的就不再是效率提升，而是判断质量的变化。

也正因为如此，我越来越不关心：

• 哪个提示词更强
• 哪个技巧更炫

我更关心的是：

在关键时刻，我是否能借助 AI，把问题看得更完整一点。