今天在一个群里看到一段重度 AI 用户的分享，读完深有同感。
他说自己这几周的思考深度和强度都上来了，人却没有以前那么累。原因在于他改了和 AI 的交互方式：以前会让 AI 给选项，也给建议；现在只让它列 option、做分析，不再给建议，判断留给自己做。等做完判断之后，再让 AI 给 critique。
他提到以前最头疼的一点，是 AI 会给出很多看上去有道理、背后逻辑却不通的建议。为了搞懂这些建议，不得不花大量时间和 bandwidth 去顺着它的话理逻辑，最后既没拿到好的 output，自己的判断力还在往下掉。换了新方式之后，他必须先去吃透相关资料和每个 option，再做判断，对每个问题的理解反而比以前深了一截。
这段话把我最近用 AI 的很多零散感受一下串了起来。如果把他的体会压成一句话，其实就是：判断 AI 的判断，不如自己判断。
审阅 AI 的建议，为什么反而比自己想更累
很多人习惯在提问结尾顺手加上一句“请给我你的建议”，初衷是为了省脑子。但重度用下来往往会发现，这一步省掉的只是拍板那几秒钟，后面换来的却是漫长的排查和内耗。
这和 AI 犯错的方式有关。现在的模型很少犯一眼假的低级错误，它最擅长把话说圆，生产那种表面自洽、底层断链的建议：语气笃定，结构工整，正反两面都顾及到了，偏偏在最关键的因果假设或现实约束上轻轻滑了过去。
一旦这样的建议先摆上桌，你的注意力方向就变了。你原本只需要直接面对问题本身，现在却要分出大半精力，去研究“AI 为什么这么劝我”。
你得顺着它修筑好的叙事往回倒推：它默认了什么前提？漏掉了哪个真实条件？这一步推论是我没看懂，还是它在强行圆场？这就像改一份别人写得极其顺滑但立意跑偏的稿子，拆掉那层漂亮包装所花的力气，往往比自己从头看材料、搭骨架还要大。
我之前在《AI 时代最贵的不是 Token，是自己的认知带宽》里写过，生成文字的成本已经低到可以忽略，真正稀缺的是我们自己的注意力。如果把“给建议”的环节交出去，宝贵的认知带宽就会消耗在给 AI 的半成品结论做逻辑排雷上。排查了半天，证明它确实想错了，可你自己的问题还停在原地。这种大脑空转，才是最让人精疲力竭的地方。
分析可以外包，取舍不能外包
为什么同一个模型，让它列 option、做分析往往很好用，一让它给建议就容易失真？
因为“分析”和“建议”在字面上挨得很近，底层的性质却完全不同。
列选项、拆解每个方案的优劣，本质上是信息覆盖与逻辑展开。这件事有相对客观的检验标准：主流路径有没有漏掉，正反论据够不够扎实，潜在风险有没有摆到桌面上。把散乱的资料整理成清晰的决策地形图，正是算力最擅长的重活。
但“给建议”不是一道客观推导题，而是一次价值取舍。
真实工作里遇到的问题，极少存在各方面都占优的完美方案。选 A 还是选 B，往往不取决于哪个选项在纸面上更漂亮，而取决于那些没法悉数塞进上下文的隐性约束，以及你当下最输不起什么：是时间窗口压倒一切，还是系统长期演进优先？团队现在接得住复杂的架构，还是只能先用最笨的办法跑通闭环？万一选错了，哪一种代价是你愿意亲自兜底的？
这些取舍权重不在模型的公开训练语料里。很多时候，在你真正逼自己拍板之前，这些权重连你自己都没有完全想透。
更关键的一点是，AI 不为最终结果负责。一个不需要承担后果的参谋，给出的建议本质上只是概率层面的折中，总会滑向最四平八稳、最像行业共识的中间地带。向一个不担责的系统索要结论，再花自己的精力去判断它的结论靠不靠谱，从分工的第一步起就倒置了。
把 AI 从“事前拍板”挪到“事后挑刺”
群里那位朋友的做法真正妙的地方，不只是拿掉了“让 AI 给建议”，而是重新安排了人和 AI 的出场顺序：先让 AI 列选项做分析，接着人自己下判断，最后让 AI 做 critique。
我在《用得越多，想得越少：AI 时代的认知退化悖论》里聊过“谁先动脑”的问题，当时觉得一旦让 AI 先出初稿，人就容易从思考者退化成在别人框架里修修补补的审稿人。现在看，这道分水岭还可以切得更具体：并不是说每次用 AI 前都得先关掉电脑对着白纸干想。你可以大方地让 AI 先去铺资料、列 option、拆利弊，把它严格限制在信息整理与利弊拆解的工位上，但必须守住从“选项”跨越到“结论”的那道窄门。
当你明确禁止 AI 给建议时，那点必要的认知摩擦就回到了自己手里。面对铺开的几个选项，你没法再靠点头或摇头蒙混过关，必须把核心资料读进去，想明白自己到底看重什么、准备放弃什么。
这个过程的思考强度确实更高，但它是实打实在做功。你每权衡一步，对问题边界的理解就扎实一分。
等你形成了自己的判断和理由，再让 AI 入场做 critique，双方的关系就彻底顺过来了。在你有主见之前，AI 的建议是容易带偏方向的锚定；在你有了主心骨之后，AI 的挑刺就成了打磨决策的磨刀石。
因为你已经想明白了自己为什么选这条路，看到 AI 从反面甩过来的批评时，一眼就能分辨出来：哪一条真正戳中了你没考虑到的盲区，哪一条只是你早就权衡过、决定主动承受的代价。你不再需要费力去揣摩 AI 的脑回路，只需要借它的火力来检验自己的防线。思考深度上去了，心智负担反而轻了下来。
把力气花在真正长肌肉的地方
这和带团队做决策其实是一个道理。
如果一个管理者平时不看一线材料，只对团队说“你们直接把最终建议拿过来让我批”，最后往往两头受累：开会时要花大量精力去猜汇报里藏了多少水分、漏了哪些备选方案，久而久之，自己对业务的体感也在一天天退化。反过来，要求大家把不同方案的事实依据、边界条件和各自代价摆上桌，拍板由承担结果责任的人来做，拍完板再让所有人使劲挑毛病，决策反而又快又清醒。
重度使用 AI 到最后，拼的往往不是谁能让 AI 替自己做更多决定，而是谁能把 AI 框在正确的位置上。
让 AI 负责列举和分析，让自己负责判断，最后再让 AI 负责 critique。少花一点力气去判断 AI 的判断，多花一点力气去建立自己的判断。当大脑不再为别人的黑盒结论空转，高强度的思考本身，反而是一件让人神清气爽的事。