我最近整理 Obsidian 里的 AI 笔记，发现一个很重要的方向：AI 不应该只被当成执行工具，更应该先被当成冷水系统。
很多时候我们说“AI 不好用”，其实不是 AI 不会做，而是我们把一个没想清楚的需求交给它，然后期待它直接产出正确结果。它很擅长补全，但补全一个错误方向，也会补得很认真。
真正有用的顺序应该反过来：先让 AI 挑刺，再让 AI 执行。
不要先问“这个想法怎么样”
“这个想法怎么样”通常会得到一堆鼓励式回答。它们听起来舒服，但对项目没有太大帮助。
更好的问法是：
- 这个想法最可能在哪里失败？
- 我有哪些默认假设没有验证？
- 如果我是竞品，我会怎么打穿这个方案？
- 如果这个项目 3 个月后失败，最可能的原因是什么？
- 有没有更小、更便宜、更快的验证方式？
AI 的价值不是给情绪价值，而是帮你提前暴露认知盲区。
写代码前，先让它追问
尤其是做网站、工具、自动化流程时，不要一上来就让 AI 写代码。先让它追问需求。
可以这样问：
我准备做这个功能，但我怀疑自己还没说清楚。
你先不要写代码。
请像产品经理和挑剔用户一样追问我，直到需求、边界、异常情况和成功标准都清楚。这个步骤看似慢，实际是在省后面的返工时间。需求不清楚时，AI 写得越快，偏得也越快。
技术方案出来后，再让它做反方
当方案已经成型，可以继续让 AI 做一次冷酷评审：
请用极其挑剔的方式审查这个方案。
指出 3 个隐含假设、3 个过度工程的地方、3 个后续维护风险。
不要安慰我，只给判断和改法。我很喜欢这种用法，因为它把 AI 从“顺从助手”变成“低成本评审委员会”。
AI 时代的优势，不是会用工具，而是会校准判断
工具越来越便宜，执行越来越快，真正稀缺的是判断。
一个人可以用 AI 写文章、做图、写代码、搭网站，但如果一开始判断错了，效率越高，浪费越大。AI 不是替你决定方向的东西，它更适合帮你把方向打磨到能承受现实检验。
我的当前原则是：
- 先让 AI 泼冷水。
- 再让 AI 拆步骤。
- 最后才让 AI 执行。
如果一个想法被 AI 连续追问后仍然站得住，再开始做也不迟。
参考笔记
这篇文章整理自我的 Obsidian 剪藏和二次思考，主要参考了“AI 唯一正确用法：泼冷水”和“AI 这一波，可能是普通人最后一次弯道超车的机会”等笔记。这里只保留方法论，不做原文转载。
