前言：AI已经与我们的工作生活密不可分了，我们每天都与AI打交道。你知道如何与AI聊天吗？95%的人都做错了。

目录

一、大多数现状

二、在回答之前先问3个问题

三、苏格拉底式提问

四、案例分析

---

一、大多数现状

先问大家一个问题，你一般是如何使用GPT、Gemini等大模型的？如何与它们进行聊天对话的？

95%的人都是这样的：

“帮我用C++写一个深度搜索算法”

“帮我生成一个汽车软件行业分析报告”

“告诉我 什么是ASPICE”

“解释一下蝴蝶效应”

这种直接要答案的提问方式，应该是我们大多数人习以为常的用法。这或许能够帮你快速找到答案或解决燃眉之急，但是，长期下去，我们会变得不再喜欢思考，变得深度依赖AI，最后只会是一个“冷漠、冰冷”的AI工具人。

今天作者带大家换个思路，如何让AI引导我们思考，帮助我们反思呢？让我们与AI共同进步、成长！

二、在回答之前先问3个问题

不要直接让AI回答你的问题，在AI给出答案前，先问它至少3个问题。这样做，你也会对自己的提问做出思考，AI也能够更精确地了解你的诉求。

比如，你如果想向AI提问：“帮我制定一个健身计划”，那么请这样问：“帮我制定一个健身计划，在回答之前，请至少提出3个问题”

AI可能会做出这样的回应：

1. 关于目标的细粒度：用户的健身目的是什么？是减脂、增肌、提升耐力、康复训练，还是特定运动表现（如马拉松）？

2. 关于约束条件：用户有哪些限制因素？比如每周可投入几天、每次训练时间、是否有伤病史、可用的器械（健身房/居家/无器械）、年龄性别等生理特征。

3. 关于当前基础：用户的运动基础如何？是新手、有一定经验、还是曾经系统训练过？这直接影响计划的强度和复杂度。

这样的反问，帮助我们进行反思，最终也能够得到更满意的结果。

三、苏格拉底式提问

苏格拉底式提问（Socratic Questioning）是一种古老而有效的教学与反思方法，其核心在于通过持续、循序渐进的提问引导对方自行发现答案，而非直接提供结论。这一方法强调提问的结构性和启发性，旨在引导个体理清思路、挑战假设并深入思考。

AI引导思考可以借鉴苏格拉底式对话模式，将AI的角色从“信息提供者”转变为“思考引导者”。

经典苏格拉底提问通常包含几种类型：

• 澄清性问题：用于明确概念或观点，促使用户精确阐述其核心思想。例如，“请详细解释你所说的这个概念是什么意思？”这类问题有助于确保对话双方对术语有一致理解。
• 探因性问题：通过追问原因，引导用户深入分析观点背后的逻辑和证据。例如，“你的推理依据是什么？”或“为什么你会得出这样的结论？”这类问题鼓励用户审视自己的思维过程。
• 寻果性问题：引导用户思考观点可能带来的后果或价值。例如，“如果按照这个方案去做，可能会产生什么结果？”这类问题有助于用户预见其想法的潜在影响。
• 比较性问题：通过转换视角，引导用户从对立角度提出观点，拓宽思维的广度。例如，“除了这种方案，还有其他可能性吗？”或“这个观点与另一个观点有何异同？”这类问题促进用户跳出原有框架，进行跨情境思考。
• 反思性问题：鼓励用户将提问焦点转向自身，进行自我反思。例如，“这个问题对我们有什么启示？”或“你从中学到了什么？”这类问题引导用户总结经验、形成元认知。

四、案例分析

假设你的初始问题是：“我想换工作，请给我一些建议。”

如果你只这么问，AI会给出一些泛泛的建议：更新简历、拓展人脉、提高技能等。

如果我们用“苏格拉底式提问”重写这场对话，你会得到怎样的体验呢？

Step1：一开始先让AI“先梳理，别急着给方案”

你：

• “先别给我具体建议。请先帮我梳理：我真正想通过换工作解决什么问题？你可以先问我一些关键问题。”

AI很可能会问：

• “你现在最主要的不满是什么？是收入、成长空间、工作内容，还是团队氛围？”
• “你换工作的底线和优先级是什么？比如薪资、地点、行业、职位类型。”
• “你目前的核心优势和短板分别是什么？”

Step2：你再追问澄清和假设

比如你回答：“我想更快成长、有更高收入，并且不喜欢现在的工作内容太重复。”

你可以接着用苏格拉底式追问让AI暴露和检查假设：

你：

• “刚才你说‘不喜欢内容太重复’，这背后默认了我更适合创造性工作吗？”
• “如果不换行业、不换城市，只换公司，能满足我‘更快成长’的目标吗？你在这里用了哪些假设？”

AI可能会这样回答：

• （1）你愿意尝试新的工作方式；
• （2）你的技能可以迁移到其他场景；
• （3）你有时间和精力去适应新环境。这些假设如果不对，结论就要修正。

Step3：追问理由与证据

你：

• “你觉得我应该优先看成长性而不是薪资，三个主要理由是什么？”
• “你能引用一些行业研究或普遍观察，支持‘现在多看重成长，三年后收益更高’吗？”

AI会给出具体论点，比如：

• 技能积累速度决定长期薪酬曲线；
• 职业早期投资成长回报更高；
• 高薪但低成长的职位更容易在中期遇到瓶颈。

Step4：让它主动找反例和边界

你：

• “在什么情况下，优先看成长反而会是一个糟糕的决定？”
• “给我两个反例：同样是看重成长，结果不如意的场景。”

AI可能会指出反例：

• 行业本身在下行，再成长也难以兑现为薪资；
• 公司内部成长通道名实不符，实际学习机会有限；
• 个人经济压力大，短期内更需要现金流。

Step5：考察后果与替代方案

你：

• “如果我按照你刚才的建议‘优先看成长’去做，一年内可能面对哪些主要风险？”
• “除了换公司，还有哪些替代路径可以达成‘更快成长、更高收入’的目标？”

AI可能会列出：

• 风险：初期收入下降、工作压力增加、适应期失败概率等。
• 替代方案：内部转岗、在现公司主动承担项目、发展副业或咨询、远程或跨国机会等。

Step6：最后让它总结要点

你：

• “基于前面的讨论，帮我总结出一份‘换工作决策清单’，每一条是一个我可以自问的问题。”

AI可能会总结类似：

• “你可以先回答：
  1）我最想解决的三个问题是什么？
  2）我的底线是什么（薪资、地点、工作时间）？
  3）如果要接受短期收入下降，我最多能接受多久？
  4）我看重的‘成长’具体表现为哪些能力或机会？
  5）备选方案有哪些？如果换工作不顺利，我的Plan B是什么？”

到这里，你得到的不再是一堆换工作的“通用小贴士”，而是一套“你自己可以用来决策的问题框架”。

写在最后：下次与AI对话，可以参考以下模板：

“先别给我最终答案，先请：
1）澄清我问题的核心；
2）列出背后可能的假设；
3）给出你的主要理由和可能的反例。”