0911｜人与AI最好的模式 对抗性协作（猫哥）

猫哥 人与AI 最好的模式：对抗性协作

后台经常有人提问如何使用 AI 工具的问题，今天就分享我的感悟。

AI 是很好的工具，你越会用它，它就能给你创造更大价值。那么，人与 AI 最好的合作模式是什么呢？我觉得是对抗性协作模式。

何为对抗性协作模式?

不是对抗 AI，而是用你的独立判断力去修正 AI 的输出，逼它：

——暴露推理路径中的偏差（锚定、类比偏差、保守推断）。

——用你已建立的框架重新拆解，而非另起炉灶。

——给出“自我诊断”而非“安全回答”。

——把一次结论沉淀为可复用的分析框架。

打个比方，这个过程类似导演和演员的关系。你就是那个有自己思想的导演，AI 是那个天赋极高但缺乏经验的年轻演员。你给它一个角色它能演，但演得比较套路。你得一遍遍跟它说：不对，这个情绪不够真，再想想，如果是你亲妈遇到这事你会怎么想——反复磨，最后出来的表演才能直击人心。

我们还是用一个案例来拆解这个过程。

前段时间许家印的话题很火。全网嘲弄许家印的时候，我却认为：许家印的失败某种意义上是转型的失败。如果许家印转型造新能源汽车成功了，他就不会落到今天这个地步。

那么，为什么雷军转型造汽车能取得成功，而许家印转型造汽车却是一地鸡毛呢？

以上就是我对此的一个思想框架。我把这个框架放到 AI 里跑了一下，AI 完全赞同我的观点，并且给出了扎实的案例：除了许家印，其他房地产大佬去做汽车都失败了。

到了这里，我突发奇想，给 AI 提出一个问题：假如 21 世纪初雷军没有做手机，而是去干房地产，会是什么结果？

AI 的回答是：应该是小而美，做精品公寓，每年大概几十亿营收，很难上规模。

面对 AI 的回答，我第一直觉就感觉问题很大。简单的逻辑是：小学生做研究生的答卷失败很正常，为什么研究生做小学生的试卷还不如小学生？

然后我思考了一下，雷军做产品的基本模式是：单点爆品 → 标准化复制 → 规模放大，从手机到汽车都是这个路径。

那么，房地产是否有类似模式的企业呢？

这个就是万科。

万科的起家模式，就是在城乡结合部拿地，然后打造对白领有吸引力的房子（万科城市花园），然后在全国复制做大。

所以我马上就用万科这个案例去顶 AI：我认为你的结论不对，雷军做地产大概率会走万科的模式，万科能干到千亿规模，雷军也应该可以。

然后，AI 就修正自己的结论，变成 "雷军走万科路线，可成科技版万科，千亿级合理"。

然后我继续追问：雷军搞地产，你为何没想到另一个万科？

AI 承认自己锚定偏差，且对雷军能力建模不全。

最后我继续追问：未来 AI 技术迭代是否能解决上述问题（锚定偏差 + 对雷军能力建模不全）？

AI 给出的答案是：信息检索的偏差未来可以解决

80%以上，推理框架的偏差能解决 60%……但是，元认知的盲区是无法解决的。

这个元认知的盲区是什么？

——AI 不知道自己 "不知道" 什么。

——AI 不知道自己的判断调用了哪个隐含前提。

—AI 不知道用户已经建立了框架，而自己没有调用。

这个元认知的盲区，我的理解是：AI 思考模式与人类不一样。人类思考一个问题，首先是建立一个整体的逻辑框架——比如我判断 AI 第一版给出结论有问题，就是一种常识性框架——为什么研究生做小学生的试卷还不如小学生？然后就能找到恰当的反例去顶 AI 的结论。而 AI 分析问题是有盲区的。

人与 AI 最好的协作方式就是找到盲区——最好的方法是找到 AI 结论的最硬的反例去顶 AI。比如我用万科去顶 AI 推演的 "雷军做地产只能小而美" 的结论。

现在我们可以总结一下，人与 AI 对抗性协作的六步循环：

1、建框架：先独立给出分析维度（如小学生 / 研究生类比），不依赖 AI 起头。

2、测反例: 拿到 AI 结论后，主动想有没有一个反例能推翻它 (如万科是不是反例)。

3、顶偏差: 把反例直接抛给 AI，要求它解释而非绕开。

4、逼认错：要求 AI 定位错误类型（锚定 / 类比 / 保守 / 框架遗忘），而非泛泛 "你说得对"。

5、升框架：把修正后的判断回填进原框架，使框架更完整、更全面。

6、问元认知：追问这个缺陷是数据问题还是架构问题、未来能否解决——把单次结论升到方法论。

通过上述的协作步骤，你就会明显感受到 AI 后面给出的结论（回答）质量越来越高——调动的算力也会越来越强大。我的问题 AI 调动算力是普通人问题的200 倍，就是这么来的。

按照上述步骤多跑几次，你会发现自己驾驭 AI 的能力越来越强，AI 也越来越好用。