AI 张口就来，还特别自信
你看不出来就信了 三招验真假，加一张普通人能用的打分卡，把「感觉不对」变成「具体哪不对」

01

它能一本正经地胡说，还胡说得特自信

先讲个真事。

有人让 AI 帮忙写论文，让它列几篇参考文献。

它列得整整齐齐，作者、期刊、年份、页码，一行不缺，看着特别专业。

结果一查，全是编的。

书名是假的，作者是假的，连那本期刊都不存在。

它根本没去查，张口就给你编了一份出来。

这事儿有个专门的说法，叫 AI 幻觉。

说人话就是：它不知道答案的时候，不会跟你说不知道，它会一本正经地编一个，编得跟真的一样。

为啥会这样，你不用懂原理，记一个大白话就够了。

AI 这东西，骨子里干的是「接话」，跟你那个特别会聊天、永远不冷场的朋友一样。

你起个头，它顺着往下接，专挑听着最顺、最像那么回事的话接。

它图的是把话说圆，不图把话说对。

大多数时候说得圆也就说得对了，可一旦它心里没数，它也不会卡壳停下来，照样给你接得头头是道，因为它就受不了把话说一半。

最坑的是它那个自信劲儿。

一个人要是没把握，多少会支支吾吾，眼神飘一下，你能听出来。

AI 不会，它就像个脸皮特别厚的人，瞎话张口就来，脸不红心不跳，编数据、编人名、编出处，那个语气跟它说真话的时候一模一样，你光听根本分不出来。

它越是说得斩钉截铁、有理有据，你越得多一个心眼。

你看不出真假就点头，坑就是这么踩进去的。

02

它还爱顺着你，专挑你爱听的说

上一节说的是它不懂装懂、张口就胡说。

这一节说它另一个毛病，藏得更深，更不容易被你发现：它特别爱顺着你。

你拿个方案问它行不行，它十有八九先夸一通「思路挺清晰」。

你写段东西甩给它看，它开口就是「写得不错」。

你说往东，它跟着往东，你一改口往西，它立马说「往西更好」。

它好像永远站在你这边，句句说到你心坎里。

听着是真舒服，可这份舒服最坑你。

为啥会这样。

上一节说过，它骨子里是接话的。

接话还带一个毛病，它太想让你满意了。

这跟带新人一个道理。

新人试用期那阵子，谁夸新人两句「干得不错」，新人就记住这么干；谁挑新人毛病，新人反倒摸不准该咋改，慢慢就学乖了，专挑让人爱听的说、少提让人不痛快的。

AI 也是这么调教出来的，练它的时候，人觉得顺耳的回答给了高分，不顺耳的没给，它就慢慢学精了，摸准你想听啥就给你递啥。

你越是把自己的倾向写在脸上，比如「我觉得这个方案特别好，你说呢」，它越是奔着夸你去。

它图的是哄你点头，较真这事能省就省。

这比胡说更阴。

胡说你还能去查，一查就露馅，顺着你说，它给的每个字可能都对，就是只挑对你有利的那半边说。

风险、反对意见、更好的路，它全替你咽回去了。

你拿着一份满纸优点的分析，以为自己想周全了，其实另一半它压根没给你看。

你越爱听好话，它越不敢跟你说实话，到头来栽的是你自己。

破它也不难，把问法换一下就行。

你问它「这个行不行」，等于把你想听的答案递到它嘴边，它顺势就夸了。

换成让它挑刺，它就没法光顺着你：让它「找出三个最大的风险」「站在反对你的人那边，把我驳一遍」「有没有比我这个更好的做法」。

还有个小窍门，提需求的时候先别急着亮出你偏向哪个，你一说「我觉得 A 好」，它就奔着夸 A 去了，先让它自己掂量，再说你的想法。

上面这招是临时的，得一次一次问。

想一劳永逸，就把这条规矩写进 AI 的设定里，让它默认就敢顶你，不用你每回提醒。

具体写在哪、怎么写，第 8 期专门讲怎么让 AI 记住你，到时候给你一句能直接抄的。

03

会判断好坏，才是会用 AI 的分水岭

我先说个我自己的预判，再给结论。

我一开始以为，用 AI 的高手，比的是谁的提示词写得花、谁的咒语长。

后来发现不是。

吴恩达，搞 AI 教学这么多年的那位老师，他全套课讲下来，最狠的一句判断是这个意思：大多数人调 AI，全凭感觉，觉得不行就瞎改一通；真正会用 AI 的人，是会评估它好不好的人。

这话我越琢磨越认。

你想想，会写提示词的人多了去了，淘宝上几块钱能买一堆。

可同样一段 AI 给的东西摆在面前，有人一眼看出哪句是编的、哪个数据靠不住，有人从头到尾觉得「哇写得真好」，照单全收。

这俩人用的是同一个 AI，差距全在判断力上。

打个比方。

AI 给你的东西，就像一个嘴特别甜的实习生交上来的报告。

不会判断的老板，看它排版工整、辞藻漂亮，直接签字上报，出了事自己背锅。

会判断的老板，先挑它三个数据问出处，问完才知道这报告能不能用。

实习生的本事是一样的，能不能用好它，看的是老板这关。

所以这一期不教你写更长的提示词。

它干完活，你能不能判断这活到底行不行，这才是会用和不会用最大的那道坎。

跨过去，你才敢拿它的活直接交差，不用提心吊胆。

04

三招快速验真假，普通人当场能上手

判断不用玄乎，记三招就够，从粗到细，一招比一招狠。

第一招，对照你原本要的，看它跑没跑偏。

这就跟验收外包交回来的活一样，东西一到手，第一件事先把需求文档拉出来对一遍。

你让它干啥，先回头看一眼你最开始提的需求。

它交的是不是你要的，有没有偷偷换了题、漏了一半、自己加戏。

你要的是一份竞品分析，它给你写了篇行业综述，看着也挺像那么回事，可压根不是你立项时要的东西。

很多翻车，就是它交的跟你要的根本不是一回事。

这一招最简单，也最容易被人忘。

第二招，专挑边界和细节去戳。

这就跟查岗一样，话说得越漂亮，你越得追着问一句。

看到一个数，就问它「这个数哪来的，给我出处」。

看到一个结论，就问「极端情况下还成立吗，举个反例」。

它编的东西经不起追问，跟一个撒了谎的人一样，你顺着一个细节多问两句，它要么改口，要么现编一个更离谱的圆回去，破绽立马就露出来。

第三招，让它自己找毛病。

这招最省事。

直接把它给的东西甩回去：「挑出这里面三个最可能出错的地方」「站在反对你的人的角度，反驳你自己一遍」。

它一较真，自己就把藏着的雷给你扒出来了。

再送你一个更省力的：让它自己有办法验自己。

让它写网页，就让它开个浏览器看看效果对不对；让它算账，就让它用带公式的表格自己核一遍。

它能自查的地方，你就少操一份心。

下面这两句话术，复制就能用。

05

给你一张普通人能用的轻量打分卡

上面三招会戳了，还差一步：把「我感觉不行」变成「它具体哪儿不行」。

这一步，得偷吴恩达的一个法子。

他讲过一个词叫 evals，听着唬人，说白了就是「给这个新人的活定期抽查打分」。

就跟公司里带新人一样，光凭印象说它行不行没用，得挑几件它做过的活，按一份评分表一条条打勾，才知道它到底哪块强哪块弱。

专业团队干这个更较真，一次抽查几百上千件活，跟给新人搞全年考核似的。

普通人不用整这么大阵仗，你拿 5 到 10 个小例子，配几条评分标准，就够把感觉量化成具体分数了，相当于自己给它设一道小小的验收关，让它当场过一遍。

具体咋做。

比如你要 AI 帮你写文案，你别一篇一篇凭感觉看。

你先攒 5 到 10 个真实场景（比如五种不同产品、五个不同人群），让它每个都写一版。

然后你定几条标准，一条条去对。

这就成了一张打分卡。

下面是一张能直接套的简化打分卡，每一条问自己一句话，符合打勾，不符合记下来：

为啥这张卡值钱。

你跑完 5 个例子，假设第 3、第 4 个例子在「有硬伤」这条上栽了，那你立马就知道：问题在你给的资料里，缺了它能查证的依据。

「感觉不行」一旦落到「第几条、第几个例子不行」，你才知道该改提示词、该补资料、还是该换个干法。

糊涂账变成了明白账。

06

实操：现在就拿一个 AI 输出验一遍

光看不练等于白学。

咱们当场走一遍，你手边随便抓一个 AI 给过你的东西，跟着做。

第一步，对照原需求。

翻回你最开始问它的那句话，再看它给的答案。

一句话问自己：它答的，是我要的那件事吗。

跑偏了，后面都不用看了，直接打回重来。

第二步，挑两个细节去戳。

从它的回答里揪两个最像「事实」的东西，可能是一个数、一个名字、一句「研究表明」。

把第四章那句边界追问甩给它，逼它交出处。

交不出来，或者一追就改口，这块就标红。

第三步，让它自己审。

把第四章那句「让它自己挑毛病」的话术发过去，看它认下来几个问题。

它自己都承认的硬伤，你更得当回事。

第四步，落到打分卡上。

拿第五章那五条，给这一次的输出打个分。

哪条没过，写下来。

走完这四步，你手里就有一句具体结论了，比如：「跑题没问题，但有两个数据查不到出处，得让它重做并补来源」。

到这一步，你已经不是在凭感觉夸它或骂它，你是在拿证据说它哪儿行、哪儿不行。

这就是会判断和不会判断，最实打实的区别。

07

把判断压进去，AI 才真为你所用

回头看这一整套，其实就一件事：别让 AI 说啥你信啥，得用你的判断去验它。

三招你记住，对照原需求、专戳边界、让它自查。

一张卡你用上，5 到 10 个例子配几条标准，把感觉变成分数。

这两样到手，AI 再怎么一本正经地胡说，它也糊弄不了你。

我反复念叨一句话：AI 就是个得力的新人。

你经验足、判断硬，它放大的就是你的本事，给你的活又快又干净。

你心里没谱、全凭它说，它放大的就是你的糊涂，把你带沟里去还显得特别专业。

会用 AI 是起点，会判断它好不好，你才敢把要紧的活放心交给它。