AI 工具让很多事情变快了，但快并不一定等于能力变强。
我现在越来越觉得，AI 时代最危险的不是“不会用 AI”，而是长期把空白开始的过程交出去之后，自己失去了评价标准。
核心矛盾
在高数、大学物理、SolidWorks 这类封闭系统里，答案通常有明确标准。题算错了就是错了，零件装不上就是装不上，模型约束不合理也能暴露出来。
但写作、内容创作、产品判断、审美这些开放系统不一样。它们没有一个清晰的外部答案，很多时候靠的是品味、经验和判断力。
AI 最容易折叠的，正是开放系统里的形成过程。它直接给你一个“看起来不错”的版本，于是你很快得到结果，却少走了一段形成判断力的路。
动作一：先自己写 10 分钟烂版本
每次用 AI 之前，先强制自己写一个版本，哪怕很粗糙。
这一步不是为了证明自己比 AI 强，而是为了留下自己的第一反应。只有你先走一段，后面才有东西可以对照：
- 我的版本缺了什么？
- AI 的版本为什么更顺？
- AI 有没有默认套进某种模板？
- 哪些判断是我原本就能感觉到的？
- 哪些问题是 AI 指出来后我才发现的？
这个过程训练的不是表达，而是判断力基线。
动作二：给 AI 写 5 行需求规格书
不要只写一句“帮我优化一下”。更有效的方式，是把任务写成一个小规格：
目标：这次要完成什么？
完成标准：什么算完成？
边界条件：什么不能做？
输入材料：必须参考哪些内容？
失败处理：如果信息不足，应该怎么处理？
这不是炫技式 prompt，而是约束设计。它更像工程里的公差和边界：你不是祈祷 AI 理解你，而是把可验证条件写清楚。
动作三：建立自查循环
我现在更喜欢这种循环：
自己先想 10 分钟
问 AI：从你的角度，我的思考缺了什么？
对照 AI 指出的缺口
判断：这个缺口我原本感觉到了吗？
如果我原本隐约感觉到了，只是没有表达出来，说明判断力还在。
如果我完全没感觉到，只是被 AI 告知后才接受，那就要警惕：这个领域的评价标准可能正在退化。
优先级
如果只能保留三个动作，我会按这个顺序：
- 先自己写
- 写需求规格书
- 做自查循环
先自己写，是为了保留自己的路径。需求规格书，是为了训练边界定义。自查循环，是为了把 AI 的反馈变成能力，而不是一次性答案。
真正要练的不是“更会问 AI”，而是在 AI 很快给出答案时，还能知道这个答案哪里对、哪里错、哪里只是平均值。