智能可以外包之后，人更要学会把问题讲清楚

薛衡 · 2026.06.12

早上按下录音键的时候，我其实没有马上想好要说什么。

只是有时候会怕错过某个突然冒出来的想法，所以先把录音打开。中间可能是一段路、一点环境音、几句没头没尾的话。但我越来越觉得，这种状态本身很像今天的 AI 使用：先把入口打开，让想法有地方落下来。

昨天我拿 Claude Fable 5 做了一个小实验。

我给它一个提示词，让它做一个叫“4000 个星期”的小游戏。规则很简单：玩家按一下空格，或者点一下手表上的“继续”，人生就往前走一格。游戏不靠复杂画面，也不靠重度系统，只是让一个人的一生在一次次点击里慢慢展开。

我想看的不是它会不会堆功能，而是它能不能在简单元素里做出一点涌现感。

结果还不错，大概 80 到 85 分。这个分数不重要，重要的是测试方式本身。每拿到一个新模型，我都喜欢给它一个开发性的目标，很多时候就是一个小型游戏。因为游戏很诚实：它会暴露模型到底只是在执行指令，还是能理解规则、节奏、反馈和人的感受。

01 不是更聪明的玩具，而是一件脑力外骨骼

我们过去习惯把工具理解成“身体外面的东西”。

机械臂放大人的手，汽车和轮子放大人的脚，望远镜放大眼睛，显微镜把眼睛带到更小的世界里。人类一直在做同一件事：把身体和感官的边界往外推。

但 AI 不太一样。

它第一次把这种“往外推”推到了智能本身。以前工具帮我们搬得更远、看得更远、跑得更快；现在工具开始帮我们想得更远。

所以我不太愿意只把 AI 看成一个聊天机器人。更准确的说法是：AI 是一件脑力外骨骼。

外骨骼不会替你决定要去哪里，但它会放大你的动作。你方向对，它让你走得更远；你方向错，它也可能让你更快撞墙。

这就是 AI 最迷人的地方，也是最危险的地方。

02 简单游戏，是测试智能的好办法

为什么我喜欢用小游戏测试模型？

因为小游戏看起来轻，但里面藏着很多复杂能力。

一个“4000 个星期”的游戏，表面上只是按键和时间推进。真正难的是：每一次点击之后，人生状态怎么变化？玩家要不要感到遗憾、惊喜、疲惫、释然？最后那份小报告，能不能让人觉得“它真的理解了我刚才经历的这一生”？

这不是纯粹的代码题。

它更像让模型搭一个微型人生沙盘。元素越简单，越能看出模型有没有把抽象目标落成具体体验。

这也解释了为什么写提示词很重要。提示词不是“命令 AI 干活”这么简单，它更像给外骨骼输入动作意图。你说得越模糊，它越可能只是乱动；你把目标、边界、节奏和评价标准说清楚，它才可能帮你把动作放大。

03 能力越强，越需要安全边界

更强的智能不只会做更好看的小游戏，也会更擅长发现世界里的裂缝。

公开资料显示，Anthropic 最近关于 Fable 5、Mythos 5 和 Project Glasswing 的说明里，有一个很关键的信息：Fable 5 和 Mythos 5 可以理解成同一底层能力的不同安全配置。Mythos 5 面向少量受审查的安全伙伴，Fable 5 面向更广泛用户，但在网络安全和生物等高风险领域加了更强的防护。

这背后有一个很现实的问题：当模型强到能读懂复杂代码、发现漏洞、甚至构造利用链时，它同时会成为防守工具和攻击工具。

这就像显微镜刚出现的时候，人类第一次看见了肉眼看不到的微生物。看见本身不是善恶，关键是你拿它去治病，还是去制造新的风险。

AI 的代码能力也是这样。

它会让防守方更快找到 bug、写补丁、升级旧系统；也会让攻击方更低成本地寻找薄弱点。所以安全框架不是一个形式主义的“限制”，而是强工具走向大众之前必须加上的护栏。

护栏的目标不是让车永远不开，而是让车能上路。

04 写文章和写提示词，其实是同一门基本功

这让我回到另一个很朴素的感受：写文章和写提示词越来越像。

对象不同。文章是写给人看，提示词是写给 AI 看。文章记录自己，也影响别人；提示词调动模型，让它帮你完成任务。

但底层要求很接近：你要把脑子里的画面讲清楚，讲到没有歧义。

好文章不是先追求华丽。最基本的事情是把因果、场景、判断和取舍讲明白。你为什么这么想？这个观点从哪里来？它像生活里的什么东西？读者读完之后，脑子里有没有形成一幅清晰的画面？

好提示词也是一样。

你不能只说“帮我做个东西”。你要说清楚目标、约束、风格、输入、输出、评价标准。否则 AI 只能猜。它猜得越快，你越容易误以为它懂了。

所以在 AI 时代，写作能力不会变得不重要，反而会更重要。

因为写作不是旧时代的作文训练，而是新时代调用智能的接口。你能把问题讲清楚，就能调用更大的智能；你讲不清楚，外骨骼再强，也只是把混乱放大。

05 真正稀缺的是方向感

AI 会越来越像一个外接大脑。

它能帮你搜索、生成、重构、检查、写代码、做图、整理知识库。它能把很多过去需要多年训练的能力，压缩到一次对话、一个脚本、一条工作流里。

但这不等于人可以不思考。

相反，人更需要知道自己要什么。因为 AI 越强，越会把你的意图放大。一个清楚的问题，会被放大成成果；一个混乱的问题，也会被放大成一堆看起来很专业的噪音。

所以我越来越觉得，AI 时代最值得训练的不是“会不会用某个按钮”，而是三件事：

第一，能不能提出好问题。

第二，能不能把脑内画面写清楚。

第三，能不能在 AI 给出的十个答案里，判断哪一个真的有价值。

这三件事合起来，其实就是人的方向感。

工具会继续变强，模型会继续更新，安全框架也会继续进化。但最后真正决定结果的，还是人怎么握住这件脑力外骨骼。

不要把思考全部外包出去。

更好的方式是：借 AI 的力，把自己的问题想得更清楚，把自己的表达磨得更准确，把自己的方向走得更远。

4000 个星期小游戏示意

写作和提示词的共同结构

全文信息图

资料补充

— END —

感谢阅读，如果觉得有启发

欢迎关注「薛衡 Henry」

← 返回文章列表