第三条原则：AI 是你的工作起点。它给出的任何东西，都不是成品，是一份待评审的初稿。你的工作从拿到它的输出那一刻才开始：评审、反馈、调优、迭代——不是直接接受，也不是直接放弃，评完再下结论：通过，或不通过。
「一个词」毁掉的练习卷
先说一个真实的翻车。你想给孩子出一份周末练习，对 AI 说：「出卷子。」AI 立刻按「卷子」的默认理解干活：填空、选择、大题，一份标准考卷结构。但你想要的其实是「先复习巩固知识点、再配少量练习」的学习材料——和卷子差了十万八千里。就差这一个词。
这个例子里 AI 没错，它忠实地执行了「卷子」这个词的全部默认含义。错在措辞：你用了一个模糊词，让它自己脑补，它脑补的方向和你想要的南辕北辙。所以第一条纪律是：措辞精准，慎之又慎。「卷子」「方案」「报告」这类词都有一整套默认结构，你不想要的默认，必须明说排除。
不确定性会被放大
第二条纪律：上下文保持干净。不确定的信息不要塞进去。你自己都没核实的数据、道听途说的背景、含糊的猜测——这些东西进了上下文，不会被 AI 过滤，而会被它当成事实，然后逐步放大：第一步推理引用它，第二步推理建立在第一步之上，错误像滚雪球。你给的是一粒沙，收回来的是一个沙雕城堡。
不知道就说不知道
第三条纪律，也最反人性：AI 在过程中反问你、要求澄清的时候，不知道就说不知道，别糊弄它，别干预它。人被追问时下意识想给个答案，哪怕现编一个——但你糊弄它的那句话，会成为它后续所有工作的地基。一句诚实的「这个我不确定，你按常规处理并标出假设」，胜过一百句硬撑的误导。
三条纪律收成一个词：中立。措辞精准，是不把你的倾向塞进指令；上下文干净，是不把你的糊涂塞进背景；不糊弄澄清，是不把你的面子塞进过程。这样才能拿到一个没被你自己误导过的、相对中立的答案。
循环怎么转
起点原则的实际形态是一个循环：AI 给初稿 → 你评审 → 给反馈 → AI 改 → 你再评，直到通过。这个循环在不同处境下玩法不同——在牛马象限，它是「结果自动化，检验够不够、对不对」；在验证象限，它还多一层乐趣：把 AI 发展出的方案当启发，不断发散再收敛，让方案越来越完善。有时候 AI 提出的角度你自己根本想不到——这份启发本身就是价值，别浪费了。
这就说到了四大象限。下一章把整张地图铺开：你懂或不懂、能验证或不能验证，四种处境，四种打法。