到现在,我们一直在做减法——把坏问题身上的毛病一个个摘掉。这一章做加法:一个问题要把哪几样都凑齐,才配叫「好问题」?我把它拆成四个零件,凑成一张能逐项打钩的验收清单。
零件一:前提可查证
这是前七章的总和。好问题驮着的那些前提,必须是原则上能拿去跟现实对照的——能查数据、能找来源、能被反例推翻。
「为什么很多律师转刑诉」之所以不合格,就是栽在这第一件:它的前提「很多」从没被查过,而且一查就倒。注意,合格不等于「前提一定为真」,而是「这前提查得动」。查得动,它才是一块能被验收的地基,而不是一句信仰。
零件二:概念有边界
这是第六章那条。问题里的关键词,必须各有一个说得清的操作性定义——什么算它,什么不算它,边界清楚。
「国产剧是不是越来越烂」这个问句,「烂」没边界:是豆瓣评分在掉?是爆款数量在少?还是只是我自己口味变了?边界不划清,这问题没法被任何人回答——因为没人知道要去量什么。胖词不瘦身,问题就立不住。
零件三:答案可证伪
这是前面一直在埋、现在要讲透的新零件。
可证伪(哲学家波普尔提出的标准),意思是:一个说法得能指出「什么样的证据会判它死刑」,它才算一个真正有内容的说法。反过来,要是无论出现什么情况它都能自圆其说、永远不会错,那它其实什么也没说。
这恰好解释了第七章那个谜:为什么「连反例都想象不出来」是个坏信号。因为想象不出反例,往往不是这说法太对,而是它根本没给错误留门——它不是强到无法反驳,是空到无从反驳。
两种问题对照着看就清楚了:
「公司这季度业绩下滑,是不是因为换了新 logo?」——这问题可证伪:把换 logo 前后、以及同期没换 logo 的同行数据一比,这个解释随时可能被打脸。它有内容。
「是不是有一股看不见、测不到、永远不显形的运势在暗中左右成败?」——这问题不可证伪:无论发生什么,它都能说「看,运势」。它永远正确,也因此永远空洞。
好问题欢迎被证明错。它敢把脖子伸出来,告诉你「要是看到这个,我就认栽」。一个缩着脖子、怎么都不认栽的问题,别浪费时间——它不是在求知,是在求安慰。
零件四:结果有分量
前三件保证一个问题「问得成立、答得清、验得了」。但还差最后一问,也是最容易被跳过的一问:就算答出来了,那又怎样?
一个问题值不值得问,要看它的答案会不会改变点什么——改变一个决定、一个行动、一个判断。检验的办法极简单,做个假设推演:
- 如果答案是 A,我接下来会怎么做?
- 如果答案是 B,我又会怎么做?
要是无论 A 还是 B,你下一步做的事一模一样,那这个问题对你就是零分量——答案再准,也只是满足了一下好奇,挠了挠痒。好钢要用在刀刃上,好奇心也是:先把力气投给那些「答案不同、行动就不同」的问题。
回看我那句律师问题:就算真考证出了「为什么转刑诉」的原因,于我而言会改变什么决定吗?几乎没有。它连第四件都够不着——这更暴露了它从一开始就不是个真需求,只是饭桌上一个随口的、挠痒式的好奇。
四件齐了,才叫好问题
前提查得动,概念有边界,答案认得栽,结果有分量。
这四件是「与」的关系,不是「或」——缺一件,问题就松一截。一个问题可能前三件都漂亮,却败在第四件(问得精巧却毫无用处);也可能分量十足,却败在第三件(关乎身家性命,却怎么都验不出真假)。拿这张清单逐项打钩,你很快会对自己那些脱口而出的问题,生出一种新的警觉。
清单有了,还缺一个随叫随到、专捅你软肋的陪练。下一章,我们聊聊怎么把 AI——那个在饭后也指出我问题的 DeepSeek——从一个「答题机器」,调教成一个专门攻击你前提的杠精。