AI 能做什么：建立 AI 能力边界

哪怕是目前全球最强的模型，也不是一个无所不知的完美大脑。它更像一个会使用工具的「心智模拟器」：根据你给的上下文，模拟一个懂这件事的人会怎么回答。它没有自己的立场和判断，你不给标准，它就自己编一个「平均」的标准——这往往就是你拿到一堆正确废话的根源。

它也不是在数据库里「查」真相，而是按概率续写最可能出现的下一段文字。所以语气、结构、细节都能写得像模像样，但「像真的」不等于「是真的」。记住这一点，你就不会再因为它说得流畅笃定，就默认它说的是事实。

换个角度：AI 是一台思考放大器。你自己想得越清楚，它帮你跑出的结果越好；你想得越糊涂，它给的答案就越平均、越没用。你的思考能力有多高，你用 AI 的上限就有多高。

如果你用过一段时间 AI，下面五种情况大概都不陌生：①它永远在夸你，你说什么它都觉得好；②给的全是「正确的废话」，每条都对、一条都没法用；③越改越差，折腾四五轮你关掉对话自己重写；④自信满满地瞎编数据，来源写得有模有样，一校验全是假的——这就是常说的「幻觉」；⑤聊着聊着它「失忆」了，前后矛盾，之前说过的全忘了。

这五种翻车，都不是 AI 能力的天花板，而是你和它的对话方式还不太对。把它当成一匹需要驾驭的马，给它搭好「挽具」（缰绳、马鞍、马镫这套驾驭系统），它才能跑到你想去的地方。后面几章学的上下文、约束、追问，都是这套挽具里的零件。

要判断一个任务能不能交给 AI，得先知道现在的 AI 能做什么。它大致有三层能力。第一层是基础能力：语言、逻辑、代码、常识推理——你问一句它答一句、让它写文案、解释概念，用的都是这层，也是大多数人唯一用到的一层。

第二层是工具能力：AI 不只会「说」，还能「做」——自己调起搜索引擎、打开网页、读你上传的 PDF / Excel、甚至跑一段代码帮你算。第三层是协作能力：在多轮对话里保持一致、跨会话记住你的偏好（记忆功能）、根据你的反馈修正下一步。

很多时候 AI 答不好，不是它不行，而是你只调用了第一层。比如让 Gemini 写调研报告，它背后连着谷歌学术和海量数据，你却只在对话框里跟它空盘逻辑、不让它联网检索——这就像「骑着赛马当驴使」。

判断边界的实用方法，是把任务分成三类：「AI 可独立完成」「AI 辅助、人来定稿」「不适合直接交给 AI」。初稿、整理、改写、归纳、列备选方案，以及那些每天消耗你精力的杂事（OpenAI 的 Sam Altman 说他用 AI 最多的就是处理邮件、总结文档这类无聊的事），都适合放手——AI 最大的价值，是替你消灭杂事，把时间腾出来做真正重要的决策。

而涉及事实判断和高风险的事——关键数字、政策合规、合同、投资、医疗、隐私和最终责任——必须由人来校验和决策。最多让 AI 列一张「需要核对的清单」，再由你或专业人士逐项负责。这不是不信任 AI，而是因为它会一本正经地编造（幻觉），关键结论赌不起。

决定 AI 回答好不好的，常常不是提示词写得多花，而是它手里有没有合适的「上下文」。上下文是 AI 生成回答时能看到的全部信息：你的提示词、你上传的资料、它联网查到的内容、对话历史、它的记忆和知识库——提示词只是其中很小的一部分。

上下文里最容易被忽视、却最重要的是「事实」。手册里有个例子：六位高手看完同一场直播，都说「播得真差」，逻辑个个自洽；可一打开后台——同时在线 2 万人。再自洽的逻辑，一个事实就能推翻。AI 在没有事实时，只能盯着你给的那点内容反复推演，结论自然不靠谱。所以每次提问前先问自己：我给它的上下文够不够？事实够不够丰富？