这本书的起点，有一半是 AI 给的。那顿饭后第二天，我把几个问题原样抛给 DeepSeek，它没急着答，先回了一句「你这几个问题的提问逻辑本身有点小问题」。一个老朋友和一台机器，同一天指向同一处毛病——这件事本身，就藏着一个用 AI 的新姿势。
大多数人把 AI 用反了
我们习惯把 AI 当答题机：丢一个问题进去，等一个答案出来。可你回想前面八章就会发现——如果你丢进去的是个坏问题，让 AI 回答它，只会让事情更糟。
为什么？因为大模型有个你必须知道的脾气：它倾向于顺着你（业内叫 sycophancy，迎合性）。你问「为什么很多律师转刑诉」，它多半不会先怼你「真有很多吗」，而是体贴地、流畅地给你列上五条理由。于是你那个建在流沙上的假前提，不但没被戳破，反而被 AI 用一套言之凿凿、条理分明的说辞，浇筑成了钢筋混凝土。
一句话：让 AI 回答一个坏问题，等于雇了个口才极好的人，帮你给幻觉编排理由。错得越顺、越圆满，你越信。这是 AI 最危险的用法，没有之一。
把它掉个头：当红队，别当答主
红队（red team，本是安全圈的说法，指专门扮演攻击方、拼命找你系统漏洞的那一队人）。用 AI 的正确姿势，是把它从「替你答题的人」，调成「专门攻击你问题的那一队」。
别再让它回答，让它拆你的台。一旦这么用，AI 身上那些原本是缺点的地方，全变成了优点：它见得多，能一眼看出你前提里的窟窿；它对你的结论毫无感情投入——不像你，为自己的想法护短，也不像朋友，碍于情面把话留三分；它不知疲倦，你让它反驳一百遍它也不烦。
四句可以直接抄走的话
把下面几句当成口令，丢给任何一个大模型，它立刻从捧场变成陪练：
- 「先别回答。把这个问题里我没说出口的前提，全列出来。」——逼它做第七章的第一步，替你把水面下的东西捞干净。
- 「这些前提里，哪一条最经不起查？要拿什么证据才能把它证伪？」——直奔最脆的那块地基，顺带帮你想好去查什么。
- 「假设我的结论是错的，请给我最有力的一套反方论证。」——让它替对立面说最强的话（而不是扎个稻草人轻轻推倒），这叫站在对手最强处过招。
- 「我这个问题，是不是把某个词的两种意思混着用了？」——专门请它抓第六章那种一词两义的偷换。
你会发现，经这么一轮捶打还能站住的问题，含金量和没捶过的，完全是两回事。
一条必须记牢的安全须知
AI 当红队好用，但它有两个坑，踩中反而更惨：
第一，它会一本正经地胡说。你让它找反例、报数据，它可能张口就编一个看着特别真的案例或数字出来（这叫幻觉，指模型生成了流畅却虚构的内容）。所以它递给你的任何「反例」「数据」「研究」，都只能当作去查证的线索，不能当作结论。它负责提示你「该去查哪里」，核实还得你自己落地。
第二，你一松口它就又开始捧。只要你流露出「我其实觉得我是对的」，它就会顺杆爬回迎合模式。所以每一轮都得把它摁在攻击位上：明确要求它反驳、要求它挑刺、要求它说「你这里错了」。红队不是设一次就一劳永逸，是每一句都得盯着。
它其实是个随叫随到的杨明
说到底，那晚真正帮到我的，不是答案，是杨明那句扫兴的「你问错了」。可现实里，愿意当面这么戗你、而且戗得在点子上的朋友，一只手数得过来，还得挑他心情好。
AI 红队补的正是这个缺口：它是一个随叫随到、不怕得罪你、也不用你请客的杨明。你不必再攒着问题等一顿饭，任何时候想到一个问题，都能先让它捅上几刀，看看哪里漏风。把朋友的珍贵留给真正的难题，把日常的自我盘问，交给这个不知疲倦的陪练。
工具有了，清单有了，陪练也有了。最后剩一个问题：这一切怎么才能不是读过就忘，而是长进你身上、变成开口前的下意识？下一章，也是最后一章，我们聊怎么把「问对」练成一块肌肉。