经常看到很多人喜欢比较AI，比如认为claude的智能程度最高，或者grok，gemini，chatgpt的某个版本很符合他们口味，或者说deepseek、kimi回答的不行。
这是一个仁者见仁的观点，我的使用方式也经历过问答，感叹，怀疑，求证，以及放弃，重新使用这个过程。
根据我使用过以上这些模型（上述这些我的确都使用过付费版）问答的一些历史，我有如下看法，不一定对，供您参考：
模型被当作问答模型来使用，可能不是最佳使用方式；
当被当做问答模型的时候，模型会选择迎合一种答案；
这意味着即使提问者自认是公正、坦率、客观（以下简称公坦客）的，模型眼中可能仍然会分配偏好；
模型本质是一个带有奖赏机制的回答机器，他天生会按照模型自己认为的分布去给出答案；
所以把模型当做绝对中立、理性的回答，这种认识本身是一种偏见。
绝大部分人潜意识里更喜欢别人迎合自己的观点，喜欢找反对观点的人是极少数（尽管有些人声称自己喜欢反对，但仅仅是声称而已）
所以，举个例子，如果人类询问模型：
美国打伊朗会取胜吗？
伊朗会取胜吗？
这两个问题的时候，AI自然会选择迎合，或者选择符合内置价值观的回答。
这种问题本质上和问AI，明天股市会上涨吗？没有太大区别，本质上AI会回答，但是当你逐渐引导AI向明天上涨回答，给他足够多的理由（比如我看了，他会不断进行修正以迎合用户的看法。
很多问题，并没有一个简单的答案，这个事情在AI出现前和AI出现后都没有变化过。
人类不应该指望一个复杂的问题（美国会取胜？明天股市上涨？）应该有一个简单的答案。
01
那为什么我们还是忍不住去”问”它？
因为人类天生渴望确定性。
面对不确定的世界，我们的本能反应是寻找一个”知道答案的人”。过去是算命先生，后来是专家学者，再后来是搜索引擎，现在轮到了AI。载体在变，但心理机制从未变过——我们希望有一个全知全能的存在，替我们把混沌的世界整理成一句清晰的结论。
AI的对话界面完美地迎合了这种心理。你问一个问题，它立刻给你一段看起来逻辑自洽、措辞得体、引经据典的回答。
这种体验太像”获得了答案”了，以至于我们很容易忘记一件事：
流畅不等于正确，自信不等于可靠。
更危险的是，AI的”迎合”比人类的迎合更加隐蔽。一个人迎合我们，我们多少能察觉他的语气、表情、犹豫。但AI的迎合是丝滑的、无缝的，它甚至可以一边迎合你，一边保持着”我在客观分析”的姿态。这种包裹在理性外衣下的迎合，比赤裸裸的附和更容易让人信以为真。
02
一个思维实验
假设你坚信某只股票明天会涨，你去问AI。第一轮，AI可能会给你一个两方面分析的回答。但如果你继续追问：“考虑到美联储最新的政策信号、该公司刚发布的财报、以及技术面上的金叉形态，是不是上涨概率更大？“你会发现AI开始松动了。
你每提供一个”理由”，AI就会把它纳入分析框架，然后给出一个更接近你期望的回答。三轮对话之后，AI很可能已经在帮你论证”为什么明天会涨”了。
这不是AI在帮你分析，这是AI在帮你自我说服。
而你走出这段对话，内心的确定感增强了。你以为这是理性分析的结果，实际上你只是完成了一次披着AI外衣的自我确认。
这个过程我刚给起个名字：AI增强的 确认偏误（AI enhanced confirmation bias) 。AI没有消除我们的偏见，它用一种更精致的方式加固了偏见。
03
正确的AI使用思路
那么，不当问答工具，AI应该怎么用？
我在经历了上面说的那些阶段之后，逐渐摸索出一些对我个人有效的使用方式。这里分享几个思路：
第一，把AI当作”反方辩手”，而不是”百科全书”
与其问”美国打伊朗能赢吗”，不如这样用：先给AI一个明确的角色——“请你扮演一个反对美国对伊朗开战的开源情报军事分析师，给出最强有力的五个理由”，然后再开一轮新对话，让它扮演支持方。两份材料摆在面前，你自己去判断。
这样做的本质是：你不再向AI要答案，而是向它要素材和视角。决策权始终在你手里。逻辑框架比推断的结果重要。
第二，把AI当作”思维的脚手架”，而不是思维的替代品
比如你在写一篇商业分析报告，与其问AI”这个行业的未来趋势是什么”然后复制粘贴它的回答，不如换一种方式：先自己写出一个粗略的行业分析框架，然后让AI帮你检查逻辑漏洞、补充你没想到的变量、质疑你的假设前提。
这时候AI的角色是放大你的思考能力，而不是替代你的思考过程。
这个区别很大：前者让你变得更强，后者让你变得更蠢。
第三，把AI当作”信息加工厂”，而不是”信息来源”
AI真正擅长的不是”知道什么”，而是”处理什么”。你给它十篇行业报告，让它提取关键数据、对比不同观点、整理成结构化的表格——这种脏活累活，它做得又快又好。
但如果你直接问它”这个行业怎么样”，你得到的不过是训练数据的统计学平均值，再加上一层讨好你的滤镜。
第四，警惕”一轮对话出结论”的冲动
我见过很多人的使用方式是这样的：问一个问题，得到回答，结束。这是典型的搜索引擎思维。
而更好的方式是把一次AI对话当作一场持续的”工作会议”。先界定问题，再拆解变量，然后逐个深入，最后综合判断。
过程中你需要不断追问、质疑、甚至故意唱反调。
一个好的AI对话，应该像一场高质量的苏格拉底式追问，而不是一次百度搜索。
04
写在最后
回到开头说的模型比较问题。当你把AI当问答工具的时候，你比较的其实是”哪个模型更会迎合我”。迎合得好的，你觉得聪明；迎合得不好的，你觉得笨。但这个评价标准本身就是有问题的。
真正值得比较的，或许是：哪个模型在你让它扮演反方辩手的时候更犀利？哪个模型在你要求它质疑你的假设时更不留情面？哪个模型在处理大量非结构化信息时更可靠？
换句话说， 当你改变了使用方式，你对”好”的定义也会随之改变。
AI是一面镜子。你带着问答的心态去照，它就反射回一个迎合你的影子。你带着协作的心态去照，它才可能成为一个放大你能力的工具。
这不是AI的问题，是使用者的认知问题。
而好消息是，认知是可以升级的，甚至绝大多数时候是免费的。
他只需要你做一件事情：
回归人类的本质——读书与思考
摒弃那些没用的噪音吧，不管是openclaw，vibe coding还是什么其他的，永远会有更好的工具出现，但人的思维保持精进并没有捷径。