📥 直接下载音频

最近有个朋友跟我抱怨，说他花了整整一个周末跟 AI 聊天，越聊越焦虑。我说你聊了什么？他说他问了很多问题——怎么转行、怎么理财、怎么提高自控力——每一个问题 AI 都给了一堆建议，看完觉得很有收获。但周一早上醒来，发现一切照旧。该迷茫还是迷茫，该拖延还是拖延。

他说了一句话让我印象很深：「感觉 AI 像个特别好的心理咨询师——你说什么它都能接住，但聊完之后问题还是你的，它一点没帮你解决。」

这个感受不知道你有没有过。你打开 AI，问一个问题，它噼里啪啦给你一大堆。你看了觉得有道理，但关上之后该干嘛干嘛。东西没少看，焦虑没少长。

问题出在哪呢？我觉得不在 AI 的回答质量上。问题在于你问的那个问题本身，可能就是一个错的问题。

这就是今天想聊的：下一代更强的 AI 到来之前，普通人最该补的能力，不是编程，不是数据分析，不是任何一门具体的硬技能。而是「提问能力」。

先说明一下，我说的不是 prompt engineering。网上那些「十个万能提示词模板」你肯定刷到过——什么「请你扮演一个资深产品经理」、「请用费曼学习法的思路给我解释」、「请一步步思考」——这些技巧有用，但它解决的是一个很表层的问题：怎么让 AI 输出的格式更规整、结构更好看。

我今天想聊的「提问能力」，是比这深一层的东西：你能不能问出一个真正对的问题。或者说，你能不能在问 AI 之前，先搞清楚你真正想解决的是什么。

什么叫「对的问题」？先举一个例子。

假设你是一个快毕业的大学生，打开 AI 问：「怎么写好一份简历？」

AI 会给你一堆建议：用 STAR 法则、量化成果、控制在一页以内、不要写自我评价。每一条都对，每一条都没毛病。你照着改了，简历确实比之前好看了。

但你有没有注意到一个问题？你问的是「怎么写好简历」，但你可能根本不知道自己的简历到底哪儿不行。也许你缺的不是格式，而是经历本身就弱。也许你投的岗位跟你的背景完全不匹配，简历写得再漂亮也没用。

如果换一个问法——「我投了二十家公司，收到零个面试，我的问题最可能出在哪？」——这个问法逼着 AI 去帮你排查整个求职链条。它会反问：你投的都是什么岗位？是海投还是定向投？你简历里有跟岗位要求的匹配关键词吗？你的期望薪资是不是写高了？

看出区别来了没有？第一个问法是「给我方法」，第二个问法是「帮我诊断」。第一个问法假设你已经知道自己的问题是什么——“我简历写得不好”——第二个问法承认一个事实：你也许连真正的问题在哪都不知道。

这就是「好问题」和「表面问题」的核心区别。表面问题寻求的是一个答案，好问题寻求的是对问题本身的重新理解。

再说一个上班族的例子。你可能会问 AI：「怎么提高工作效率？」AI 会推荐番茄钟、时间分块法、GTD 系统、各种效率工具。你试了一圈，发现还是没啥变化。

但如果你把问题换成：「我每天下午三点开始完全干不动活，是什么原因？」——这个问法就不一样了。AI 会反问：午饭吃了什么？晚上睡几个小时？是不是上午已经把最难的活干了、下午只剩重复性工作提不起劲？

你看，第二个问题里藏着一个关键动作：你先观察了自己。你先发现了「下午三点」这个具体的时间点有问题，而不是笼统地说「效率低」。这个观察本身，就是定义问题的过程。

我越来越觉得，在 AI 时代，有一个能力正在被严重低估，就是「定义问题的能力」。

大家默认觉得问题已经摆在那儿了，只是缺答案。但现实中大部分情况下，真正卡住你的不是没有答案，而是你一直在回答一个错误的问题。

比如你焦虑。你问 AI：「怎么缓解焦虑？」它给你推荐冥想、正念、运动、少刷手机。这些当然有用，但如果你焦虑的真正原因是——你的工作内容跟你的价值观完全不匹配，你做的工作你根本不认同——那所有冥想技巧都只是创可贴。

「怎么缓解焦虑」可能根本就是一个错的问题。对的问题可能是：「我焦虑的原因，到底是暂时的压力，还是我走错了方向？」

这个能力为什么在 AI 时代变贵了？因为 AI 太会回答了。

一个烂问题丢给 AI，它也能给你一个看起来很漂亮的答案。它会用流畅的语言、清晰的逻辑、甚至引经据典地把你带到一个你本来就在的误区里。你不但不觉得自己问错了，还会觉得「哇 AI 真厉害」。你越问越顺，但方向越来越偏。

这很像你去问一个特别会说话的朋友：「我该不该分手？」他会顺着你的情绪，帮你分析对方怎么怎么不好，让你觉得对，就该分。但你真正的问题可能不是该不该分，而是「我为什么在感情里总是重复同一种不安全感」。这个问题你不会问，因为你还不知道自己有这个模式。

未来更强的 AI 出现之后，它不但能回答你的问题，还能在你问出一个烂问题的时候，主动帮你把问题重构成更好的版本。这是好事，但有一个陷阱：如果每次都是 AI 帮你重构问题，你从来没有参与这个「想问题」的过程，那你其实还是没学会怎么提问。你得到的只是一个更好的答案，没有获得提出更好问题的能力。

回过头来看，为什么大多数人习惯问表面问题？因为问表面问题是安全的。你问「怎么写好简历」，AI 给你方法，你照着做，就算没效果，也不是你的问题——是方法不好使。但如果你问「我的问题可能出在哪」，你就必须面对一个可能性：问题可能出在你自己身上。你的经历不够、你的方向选错了、你一直在逃避真正难的事——这些东西你不一定想听。所以你会下意识地把问题包装成一个安全的样子。这不是技术问题，是心理门槛。

但这个门槛一旦跨过去，你会发现 AI 从一个「高级搜索引擎」变成了一个「思维伙伴」。它不再是给你标准答案的机器，而是帮你看清楚自己在哪儿、要去哪儿的一面镜子。而镜子的清晰度，取决于你愿不愿意站近一点、问得直白一点。

长期看，人和人之间的差距就在这里。不是拼谁用 AI 用得勤，而是拼谁能让 AI 真正发挥作用——而那个前提，是你能问出对的问题。

好，说了这么多听起来有点虚的东西——「提问能力」、「定义问题的能力」——我想给一个更具体的理解方式。

好问题有三个特征。

第一个，好问题包含具体的情境。不是「怎么学好英语」，是「我每天早上通勤有四十分钟，怎么在这四十分钟里最大化听力进步」。情境越具体，AI 的答案就越不可能泛泛而谈。

第二个，好问题暴露你的假设。比如你问「怎么让老板给我加薪」，隐含假设是「我值得加薪但老板没主动给」。但如果你先问「我现在的薪资在市场是什么水平」，你可能发现真正的问题不是「怎么开口」，而是你的薪资期望和市场行情之间有多大缺口。

第三个，好问题指向行动。不是「怎么才能不拖延」，是「我今天下午有两小时空档，最可能让我开始拖延的是哪个环节，怎么堵住它」。问完之后，你拿到的是一个可以立刻执行的动作，而不是一堆道理。

这三个特征说起来不难，但在现实中做到挺难的。因为它的前置条件不是技巧，而是一个习惯：停下来想一想。

我自己的体会是，可以先从一个很小的练习开始。下一次你想问 AI 什么问题的时候，别直接发出去，先在脑子里问自己一句：「我到底想解决什么？」然后把你的第一个问题打出来，删掉，换一个更具体的问法再发。

比如本来想打「怎么学编程」，删掉，换成「我是一个完全零基础的大一学生，接下来三个月每天能投入一小时，学 Python 最合理的路径是什么」。就这一下，你得到的答案质量能差出好几倍。

这个练习做多了，你会慢慢发现一件事：你以前以为自己知道问题是什么，但其实你没有真的想过。

我们大多数人的肌肉记忆是碰到问题就打开 AI，输入脑子里蹦出来的第一个问句，等答案、扫一眼、关掉。但真正高效的用法应该是先自己琢磨一两分钟：我到底在解决什么？我说的这个问题，有没有可能本身就是错的？

就这一两分钟，决定了你从 AI 那里拿走的是一个敷衍你的答案，还是一个真正有用的答案。

回到开头那句话：下一代 AI 到来之前，普通人最该补的不是编程，是「提问能力」。

不是说让每个人都变成苏格拉底，天天追着自己问什么是正义什么是幸福。我说的是，在你下一次打开 AI 的时候，不要急着打字，先想一分钟：你到底想问什么。

因为答案会越来越便宜，但问题会越来越贵。

这期就聊到这儿。

📝 本期要点

• AI 时代被严重低估的能力：不是编程，不是数据分析，而是「定义问题的能力」
• 表面问题 vs 好问题：表面问题要答案，好问题重新理解问题本身
• 为什么我们习惯问表面问题：因为问好问题需要面对「问题可能出在自己身上」——这是心理门槛，不是技术门槛
• 好问题的三个特征：情境具体、暴露假设、指向行动
• 一个一学就会的练习：发问之前先问自己「我到底想解决什么」，然后把问题重写一遍
• 核心判断：AI 越来越强，答案越来越便宜，但问题会越来越贵