和 AI 协作的实践指南:先找到你的「未知」

有一句老话,和 AI 一起做事时会被反复教会:地图不是疆域。

地图,是你对一件事的描述——你写下的要求、你补充的背景、你挑的参考、你定的边界。疆域,是这件事真正发生的地方——那份要交付的东西、它的真实材料、它绕不开的约束。

地图和疆域之间的空白,我们叫它未知。每当 AI 撞上一个未知,它就得凭「猜你想要什么」做一个决定。要做的事越大,它会撞上的未知越多。

模型越强,这件事越明显:成果的好坏,不再卡在「它会不会做」,而是卡在你能不能把未知说清楚。这也是个好消息——因为这是一项能练的本事,而且可以和 AI 一起练。

先认得你的四类未知

把一件事交出去之前,先问自己:我的未知是哪一类?

• 已知的已知:你清楚、也说出口了的。你明确告诉它你要什么。
• 已知的未知:你还没想明白、但你知道自己没想明白的。
• 未知的已知:太理所当然,你根本不会写下来,但一看到不对就认得出——某种分寸、某条习惯、某种「感觉不对」。
• 未知的未知:你压根没想到的。你不知道自己缺哪块知识,也不知道这件事最好能做到什么程度。

真正会用 AI 的人,未知很少。他们对要做的事、对模型的脾气都心里有数,一次就能把话说到点上。但他们也默认一定有未知。减少未知、并为剩下的未知留出余地,就是「协作」这门手艺本身。

分寸:太具体和太模糊,都会输

给 AI 交代事情是件讲分寸的事。

• 太具体,它会死守你的字面要求——哪怕换个做法更好,它也不敢拐弯。
• 太模糊,它会用「通行做法」替你做默认假设——而那未必适合你这件事。

没把未知算进去,两头都会栽:你不知道哪段路布满坑,也不知道哪段路本可以放手让它走。诀窍不是「写得更细」,而是知道哪里该收紧、哪里该放开——这正是把未知找出来的价值。

好在,AI 能帮你把未知找得更快:它查资料比你快,对多数领域知道的也比你多,还能从一次次失败里迅速调整。用好它的前提只有一条——给它你的起点:告诉它你现在想到哪一步、你对这件事有多熟、把它当一个能一起想的伙伴,而不是一个只会接指令的工具。

下面是几组常用的方法。不必每次全用,但值得都放进工具箱。

动手前

盲点扫描。 当你在一块陌生的地方开工——没做过的事、不熟的领域——你多半有一堆「未知的未知」,连该问什么都不知道。这时候,直接请它做一次盲点扫描:

「我要给公司做第一份面向投资人的路演材料,但我完全没经验。帮我做一次盲点扫描,把我该知道却还不知道的地方列出来,顺便告诉我怎么把需求讲得更清楚。」

「我要给这段视频调色,但我根本不懂调色是什么。带我认识我在这上面的未知,好让我能提对要求。」

先发散、先看草样。 当一件事有很多「未知的已知」——那种你说不出、但一看就知道对不对的标准——先让它陪你发散、快速出几版草样,比闷头做划算得多。因为一旦做进去,方向上一点小改动,往往对应大片返工。

「我想给这份数据做一张一页纸的图,但我没什么审美,也不知道能做成什么样。给我四个风格迥异的方向,我来挑。」

「先别正式写。用要点摆一个提纲出来,我想先对结构提意见,再往下填内容。」

让它反过来问你。 发散完,你手上多半还留着未知。那就让它一次问一个问题地采访你,把含糊之处逼出来:

「就任何还含糊的地方,一次问我一个问题;优先问那些『我的回答会改变整体方向』的问题。」

给参考,而不是硬描述。 有时你说不清你要什么——可能是缺词,也可能是描述起来太费劲。这时最好的答案是一个参考:一篇你喜欢的范文、一张对味的图、一个做得好的样例。直接把它指给 AI,让它照着那个「感觉」来,而不是让你从零把感觉翻译成文字。

「这篇文章的结构正是我想要的。看懂它的骨架,用同样的骨架重写我这一篇。」

先要方案,先摆最可能改的。 觉得可以动手了,就让它先给你一份方案过目——把你最可能反悔的部分放最前面:大的取舍、关键的假设、别人一眼会看到的东西。把机械、琐碎的部分放后面。这样它才能把你其实需要改的东西,提前抬到你眼前。

「先给我一份方案,开头放我最可能改的:整体思路、关键假设、对外呈现的部分;例行的细节挪到最后,那部分我信你。」

动手中

让它记下偏离。 方案再周全,做起来总有藏着的「未知的未知」跳出来——某个意外逼它换条路。让它一边做、一边把每一个偏离原计划的决定记下来,下一次就能从中学到东西:

「过程里如果撞上什么逼你偏离计划的情况,选稳妥的那个做法,把它记在『改动说明』里,然后继续。」

动手后

做给别人看的讲解。 一件事做完,能不能推进,常常取决于别人愿不愿意点头。让它把成果、方案、过程记录打包成一份能直接发出去的说明,能同时加速两件事:让和你当初一样一无所知的人更快看懂,也让内行更快看到「你已经把他们会担心的坑都想过了」。

「把成果、方案和过程记录打包成一份文档,我要直接发出去争取支持。开头先放结果。」

做完让它考你。 一段长时间的协作下来,它做的事可能比你以为的多得多。只扫一眼结果,你只能得到一个浅浅的理解。让它给你足够背景后出一份小测验——答对了,你才算真的接手:

「我想彻底搞清这次到底发生了什么。给我一份说明,讲清做了什么、为什么这么做;末尾附一个小测验,我必须全答对。」

让地图贴近疆域

模型越强,同一套方法能到达的地方越远。当一件跨度很长的活交回来是错的,通常意味着两件事之一:你需要多花点时间把未知定义清楚,或者给它一个能在过程中自行改道的方案。

每一次讲解、发散、采访、草样、参考,都是一种廉价地把「你原先不知道的事」提前暴露出来的方式——趁它还便宜,别等它变贵了才发现。

所以,下一件事,不妨从这句话开始:先让 AI 帮你,找到你的未知。