不知道大家现在花多少时间在处理 AI 返工这件事上？

之前我也经常这样，AI 帮我们完成任务很容易，但成果经常需要来来回回修改。那个时候我们第一反应往往是现在的 AI 是不是还太傻，能力不太行。

而其实一个很重要的原因在我们自己身上，给 AI 的东西太模糊了。

有时候，我们自己脑子里的想法还是是一团雾，没有外力追问就把这团雾直接扔给 AI。AI也不会停下来问你：”等等，你说的到底是什么？”

更多时候它会硬着头皮猜，然后按它理解里大概率正确的方式做完。

简单类比，大模型本质上是一个超级文本补全机器。它很难质疑你，大概率只会顺着你的话往下跑。你给一句模糊的话，它就边猜边做。最后结果不对劲，也就很正常了。

怎么解决这种模糊呢？

一个重要方式是经营数据资产，补足上下文信息。这件事已经分享过很多，本质上是把已有的存量信息更好地传给 AI。

但今天想分享另一个思路，就是我们也可以在 AI 的帮助下，创造一些新的信息，具体就是通过让它来追问我们。

在追问的过程中，它可能撞到我们的盲区，逼我们走进那些不熟悉、或者还没想清楚的角落。最后，你不只是把已有信息补给 AI，也会发现一些自己原来没有想到的想法，把整件事情的脉络梳理得更清楚。

最近有个工具很适合做这件事，叫 grill-me，是知名开发者 Matt Pocock 做的 skill。

它的核心设计很简单：一次只问一个问题，陪你探索决策树的枝节和分支，把细节逐个拆开，而不是只问表面问题。它还会给你推荐答案，比如给出几个选项、告诉你它的建议，帮你更快走完这个过程。它也会翻阅你已有的资料，不会在一些很傻的问题上浪费时间。

原来我们习惯去问 AI，而这个工具把关系反过来，让 AI 来问我们。

这个 skill 原本用在编码场景，比如写需求文档、设计方案前先把想法拷打一轮。但我也会把它用在非编码场景，做项目计划、做方案的时候，我会让它多轮追问，把事情想得尽可能细致、周到一些。

这里有个小建议。我看到有人被 AI 用这个 skill 拷问了六百五十轮，确实很有耐心…我自己建议可以提前限定轮次，整个过程的节奏会更顺畅。

如果回到最朴素的道理，我想是那句“做对的事情，把事情做对”。

对的事情，基础是一个对的判断，这就需要我们先把事情想清楚。

一个人完成这个过程也许很难。

但有一个的合作伙伴，愿意反过来问你、陪你把问题想透，事情更容易会做得更好。

最初发表于 X（@aken_tech），2026-07-13。