ep09 · 收尾 · AI 是个什么东西 · 怎么和它说话

• 模块：M1 认知地基（收尾集）
• 课节：6 节（AI 能干哪些神奇的活 / 它其实在玩「接话茬」/ 它不是搜索引擎 / 它会一本正经地胡说 / 把它当不了解你的新同事 / 万能开场白：先问我几个问题）
• 来源：xueai.miyang.cn（小山学堂 · 洛小山《学 AI 产品，从入门到精通》）
• 配套音频：pm09-m1-播客.mp3

---

这一集解决什么问题

这是「认知地基」模块的收尾集，回答两个最容易被跳过、却最决定成败的问题：

1. AI 到底是个什么东西——它的底牌是什么，能力边界在哪。
2. 该怎么跟它说话——为什么同一个问题，有人问出来是宝藏，有人问出来是垃圾。

对产品经理而言，这一集解决的是信任校准问题。日常工作中最典型的两种错误，根源是同一个：

错误	表现	后果
高估	把 AI 当全知的同事，说什么信什么	把编造的事实写进方案与需求
低估	问两句觉得平平无奇，判定没用	放弃一个能省大量时间的工具

正确直觉只有一句：它是一台极强的接话机器，不是一台会思考的机器。

---

能力地图

层	本集对应认知	能推出什么
定位	工具史上的反转：人学软件 → 软件听人话	判断标准 = 这活能用说话布置吗
机制	猜下一个词（词元）	解释写作、不稳定、算不好数学
边界	凭记忆回答	会记串 / 有截止日期 / 没有出处
风险	接得像 ≠ 接得对	幻觉不可凭语感识别，必须核实
方法	背景 + 要求 + 限制	信息给一分，它答一分
破局	先问我几个问题	把「不知道该交代什么」丢回给它

---

一、工具史上的一次反转

过去 40 年：人学软件

计算器、文档工具、修图工具、表格软件——每个软件都是一堆固定的按钮。功能是提前设计好的，你想干什么，得先学会它的规矩：找按钮在哪、背操作步骤、看说明书、报培训班。

你的需求 → 学软件的规矩 → 换成它的操作 → 干活

现在：软件听人话

历史上第一次，工具反过来迁就人。你说人话，它来干活。 没有按钮要找，没有步骤要背，没有说明书。你怎么跟同事交代工作，就怎么跟它交代。

你的需求 → 说出来 → 干活

六个现场，同一个东西

整理会议纪要 / 看懂一份报告 / 给任何人讲任何事 / 陪练面试 / 做小工具 / 生成海报。

最神奇的不是单个功能，而是这六件事是同一个东西干的。 以前是「一个需求，下载一个 App」，现在是「一个需求，说一句话」。

判断标准只有一条：这活能用「说话」布置吗？能，就丢给它试试——不用背功能列表。

---

二、底牌：它其实在玩「接话茬」

不管叫什么名字，AI 做的事情本质上只有一件：猜你这句话的下一个词是什么。

三个必须建立的直觉

1. 它不是一个字一个字往外蹦

像「馄饨」「五花肉」「分钟」都是一整块写出来的，这一块叫词元。每个候选后面有一根横条——横条越长，越倾向选这一块。

2. 聊天只是接话茬的包装

• 你说「帮我想个周末去哪玩」→ 在它眼里这是上半句
• 它接下半句
• 你回「安静点的」→ 它把前面所有对话拼成更长的上半句，继续接

它没有想法，它有的是从海量书籍与网页里统计出来的「什么话后面通常跟什么话」。

3. 同一个开头多跑几遍，结果会不同

在几个候选可能性相近的地方，它按可能性大小掷一次骰子，于是走上不同的句子岔路。横条长到接近 100% 的地方，怎么掷都是同一个结果——差异只出现在它本来就摇摆的那几处。

它为什么算不好数学

因为它从来不是在「算」，它是在接话茬。

题目	情况	结果
1 + 1 = 2	训练数据里见过几百万遍	背下来了
3847 × 2963	几乎没见过原题	挑一个「长得像答案」的数：位数对了、开头结尾像样，中间是猜的

好消息：现在很多产品遇到数学题，会让 AI 去调用真正的计算器或写代码来算——「猜」就变成了「算」。

---

三、它不是搜索引擎

一个比喻

	搜索引擎	AI
角色	图书管理员	读完了整个图书馆的人
行为	把你带到书架前，指给你十本书	提前读完几乎所有书，然后把书全还了
回答时	书还在架上	手边一本书都没有，凭消化后的记忆现场接

「凭记忆回答」的三个后果

1. 它可能记串——读过的书太多，两本书的内容在记忆里糊在一起：把 A 作者的书安到 B 头上、把两个相似案件的细节混着说。它记错时和记对时的语气一样自信。
2. 它的知识有截止日期——读书是在过去某个时间点完成的。问昨天的新闻、今天的天气、现在的股价，它要么坦白不知道，要么凭旧记忆瞎接一个（后者更危险）。
3. 它给结论，不给书架——搜索结果每条都有网址可核对；AI 给你的是一段现成的话，没有天然的出处可查。它说得越流畅，你越容易忘了问「这是真的吗」。

实用速查表

你想干什么	找谁	为什么
查今天的天气、新闻、股价、营业时间	搜索 / AI 联网	要的是「此刻的事实」
解释一个看不懂的概念、名词、体检报告	问 AI	它读过的解释比任何网页都多，还能顺着追问讲
改写、润色、翻译、起名字、出主意	问 AI	没有「标准答案网页」可搜，是它的独门强项
查一个重要事实（法条、药量、数据）	AI 先答 + 搜索核对	AI 帮你搞懂大概，拍板前要找到原始出处

关于联网：带联网的 AI 是「先当搜索引擎查回资料，再当接话机器总结成人话」。查资料的是外挂功能，组织语言的还是那台接话机器。回答里带「引用来源」，通常就是这个模式在工作。

---

四、它会一本正经地胡说

为什么会编造：回到接话茬

假设它在接「余华的代表作还包括……」，而它其实记不清了：

候选	特征	被选中概率
「长篇小说《在细雨中呼喊》。」	很顺	容易
一个不存在但极像的书名（如《河边的错误年代》）	很顺	容易
「呃，这个我记不太清，不敢乱说。」	很别扭	极难

它挑的是「哪句更像会出现在这里的话」，不是「哪句是真的」。人类书面语里，流畅自信的陈述远多于「我不知道」——顺口的编造，天然赢过诚实的犹豫。行话叫「幻觉」。

最关键的一点：它不知道自己不知道

人说谎时心里有数，它没有。在它那里，说对和说错是同一个动作：挑一个像的接上去。所以它也没办法主动提醒你「这句我是编的」。

它胡说时不会脸红、不会结巴、不会心虚——语气、流畅度和说真话完全一样，凭感觉分不出来。

三个今天就能用上的习惯

1. 具体的事实，核实了再用。 数字、日期、人名、书名、法条、药量——用之前搜一下原始出处。AI 帮你省的是理解时间，不能帮你省核实时间。
2. 多问一句「你确定吗？出处是什么？」 这句追问经常能让它自己改口。但它给的出处本身也可能是编的——编一个像模像样的论文标题，对接话机器毫不费力。出处要自己点开验证。
3. 越重要的决定，越值得多一个信息源。 健康、金钱、法律相关的事，把它的回答当成「一个消息灵通的朋友的参考意见」。你不会因为朋友一句话就吃药、签合同、打官司。

---

五、把它当不了解你的新同事

为什么别人用 AI 效果惊人，你问它却答得平平？九成的差距不在 AI，在问法。

思维实验

公司来了个新同事：名校毕业、什么领域都懂、执行力极强。但今天是入职第一天——不认识你，不知道你负责什么，不知道你要这个东西给谁看、拿去干什么。

你丢下一句「帮我写个请假条」就走了。他能写出什么？只能凭想象瞎写一个。这不是他不聪明，是你什么都没告诉他。

AI 就是这个新同事。而且更极端：每次新开对话，都是他的入职第一天。

公式：背景 + 要求 + 限制

部件	回答什么	示例
① 背景	我是谁，在什么场景（身份、场合、给谁看、拿去干什么）	「我是小学老师」「发在业主群」「写给我领导」
② 要求	我到底要什么（要做的事 + 关键细节）	「写转让信息：捷安特，去年买的，九成新，300 元」
③ 限制	什么样算合格（语气、长度、格式、不要什么）	「口语化，别像广告」「100 字以内」「分三点说」

细节给得越实，它编造的空间越小。

课程里的组装演示：小区业主群卖二手自行车——从最偷懒的问法开始，依次点亮背景、要求、限制，输出一级一级往上走。信息给一分，它答一分。

别怕啰嗦。 对人啰嗦要看情商，对 AI 啰嗦是免费的。你多打三十秒字，能省掉来回返工的十分钟。

---

六、万能开场白：「先问我几个问题，再开始」

死结在哪

你想让它规划一次国庆家庭旅行。按上一课的公式该交代背景——可你压根没想过：预算算不算机票？爸妈的体力能走多少路？孩子晕不晕车？

专家和新手的区别，往往不是知道答案，而是知道该问什么问题。

它读过无数旅行攻略、方案模板和踩坑帖，非常清楚「规划一次旅行需要先搞清什么」——前提是你允许它先问你。

对照

不加这句话：给你一份热门城市清单，配上「适合亲子游」「度假首选」「美食之都」的标签，最后提醒提前预订、错峰出行。像不像旅游网站的首页？没有一个字是为你写的。 万金油，就是没用的意思。

加上这句话：「帮我规划一下国庆的家庭旅行。开始前，先问我几个问题，再给方案。」

它问的每个问题，都是它脑中所有旅行方案的分岔口——你每答一个，它就砍掉一大半不适合你的方案。

四个变体（拿去就能用）

场景	加上这句
让它帮你写东西	「写之前，先问我 3 个问题。」
让它做方案 / 计划	「先列个大纲给我确认，再展开写。」
让它教你东西	「先问几个问题摸清我的水平，再决定从哪讲起。」
让它帮你做选择	「先问清我的需求和预算，再给推荐，并说明理由。」

方向错了在大纲阶段纠正，不用等它写完三千字再推倒重来。随便推荐永远推荐最大路货；问清需求后才有真正的匹配。

对产品经理的迁移：这就是需求澄清的同一个动作。你不知道对方真正想要什么，那就先让他回答你的问题。

---

约束说明（务必读完）

1. 「接话茬」是有用的简化模型，不是完整技术描述。它足以解释写作、不稳定、算错数学与幻觉，但不足以推导工程实现细节。
2. 凭语感识别不了幻觉。语气、流畅度与真话一致，唯一可靠的手段是核实原始出处——包括核实它给出的出处本身。
3. 知识截止日期因产品而异。同一问题在不同产品、不同版本、是否联网下结论可能完全不同，不要跨产品迁移结论。
4. 背景 + 要求 + 限制是启发式框架，不是模板。三段不是必填项，重点是「把新同事缺的信息补齐」。
5. 演示文本为教学编写。旅行推荐、转让信息、书名示例均为课程示意，不对应任何真实产品输出。
6. 重要决策必须多源验证。健康、金钱、法律相关事项，AI 输出只能作为参考意见，不能作为唯一依据。

---

审查清单

• 我有没有记住它的底牌——它只在猜下一个词？
• 这次要的是「此刻的事实」还是「解释与改写」？前者找搜索，后者找 AI。
• 重要事实，我有没有找到原始出处，而不是只问它要出处？
• 我有没有核实它给出的引用本身是真的？
• 提问时，背景、要求、限制三块都给到了吗？
• 细节给得够实吗——细节越实，它编造空间越小？
• 说不清需求时，我有没有加一句「先问我几个问题」？
• 做方案时，有没有让它先列大纲确认再展开？
• 我有没有因为「它说得很顺」就跳过核实？
• 这个决定足够重要吗——是否值得多一个信息源？

---

实践提示

提示1 · 用「接话茬」推导，而不是背诵结论

遇到它的任何奇怪表现，先回到这一个模型：它在挑「哪句更像会出现在这里」。算错数学、每次答案不同、编造书名——三件事都从这一句推导出来。记住一张底牌，胜过记住十条技巧。

提示2 · 建立「事实类 vs 生成类」分流习惯

数字、日期、人名、书名、法条、药量 → 走核实流程。改写、润色、翻译、起名、出主意 → 直接用。把核实成本花在真正有标准答案的地方。

提示3 · 每次新对话都当成入职第一天

开新对话时，先花三十秒补齐背景、要求、限制。尤其是「给谁看、拿去干什么、什么样算合格」这三样——这是新同事最缺、也最容易忘给的信息。

提示4 · 说不清需求时，把问题丢回去

加一句「开始前，先问我几个问题，再给方案」。它每问一个，就替你砍掉一大批不适合的答案。这一句几乎适用于所有开放式任务。

提示5 · 做方案前先要大纲

「先列个大纲给我确认，再展开写。」方向错了在大纲阶段纠正，成本是几句话；等它写完三千字再推倒，成本是一整个下午。这条对写需求文档同样成立。

---

常见问题

Q：它每次回答都不一样，是不是不稳定？

不完全是。差异只出现在候选概率相近、它本来就摇摆的那几处；概率接近百分之百的地方，怎么掷都是同一个结果。

Q：AI 给的引用来源能信吗？

不能直接信。编一个像模像样的论文标题对接话机器毫不费力。看到引用，自己点开验证。

Q：联网的 AI 是不是就不会胡说了？

联网解决的是「资料旧」的问题，不解决「组织语言时会编」的问题。查资料的是外挂，总结的还是那台接话机器。

Q：背景、要求、限制必须每次都写全吗？

不一定。它们是「新同事缺什么」的检查表，不是必填模板。任务越重要、越开放，越值得写全。

Q：为什么我按公式写了，它还是答得一般？

通常是限制那一段太空。「口语化，别像广告，一百字以内，分三点说」这类验收标准，比多写两句背景更能拉高一次到位的概率。

---

一句话总结

既不神化它，也不轻视它。它是一台极强的接话机器，你要做的，是给它足够的上半句。

---

来源：xueai.miyang.cn（小山学堂 · 洛小山《学 AI 产品，从入门到精通》）

本页文字与音频为基于小山学堂原课程的二次演绎版本，仅供学习交流使用。