别让AI把答案想成一样

我对比了直接问AI和加一层交叉验证，实际跑了一遍。吴恩达访谈里有个说法，

你拿一个问题跟AI做头脑风暴，它通常会给你十个主意。其中一两个不错，两三个平平，剩下四五个离谱。

麻烦不在离谱，在不错的那一两个会被你反复用，久了就变成“大家都这么想”。看估值最怕这个。一个赛道天花板在哪，竞争格局怎么样，如果所有人用同一入口问同一套问题，答案会像同一个模子刻的。

我先选一个真要判断的问题，别太大，比如“百万级豪车只看单月销量行不行”。准备三样东西，聊天AI用 OpenAI 里的 GPT-4，本地小模型用端侧模型，断网也能跑，记录表格用任务管理。在任务管理里新建表，建三列，AI原答案、反方观点、证据缺口。

打开 OpenAI 的新对话，让它给5个可验证假设，不要直接下结论，看到它先列假设，而不是定论。把回答复制到 AI原答案列。再打开端侧模型，让它指出上面最可能错的3个地方，并补一个反例。它措辞笨一点，但偏差有价值。把本地模型的观点复制到反方观点列。

我这几天在试批处理，就是把一批问题一次丢给脚本，新手先别用，手工跑顺再说。再用 Insightify 这类刚上手几天的工具给观点打标签，新建项目，粘贴观点，选销量、残值、渠道、口碑。我这边测下来，它能把散话归成格子。最后做反谄媚测试，让它扮演一个不同意我的人，用我的数据找漏洞。看到它攻击原结论，才算跑通。

最容易错在只换模型，不换问题。你问A“这车怎么样”，再问B“这车怎么样”，结果只是同一句话的两种口音。第二个坑，是把AI的新名词当成证据。它说“残值焦虑”，不代表市场真的在定价残值。你要回到公开信息，累计销量、用户口碑、渠道动作。我写过一篇尊界，热搜标题断章取义，单月数据不能给品牌判刑。第三个坑，是跑完就丢。把证据缺口单独留下，比如“缺同价位竞品残值口径”，下次就不会又靠情绪判断。

这个赛道天花板在哪，不能只问AI。竞争格局怎么样，也不能让一个模型替你定调。你只需要把答案拆成可比较、可反驳、可补数据的小块。

学完这个，下一步可以把你过去一个月最得意的三个结论拿出来，用同一套流程重跑一遍。如果它们没有明显变弱，说明你大概不是被AI统一了思考。