大多数人用 AI 来把事做完。你丢给它一个任务——写这段代码、抓这份数据、起草这份文档——它还你一个 artifact。这是真实的，也是有用的，我每天都在这么干。
它也有天花板。当 AI 产出的东西越过你真正理解的边界那一刻，你就丢掉了最要紧的东西：判断力。你说不清结果对不对，能不能 ship，值不值得拿它去赌一个商业决策。artifact 看起来是完成品，你就是没法为它背书。
同一个工具还有第二种用法，几乎没人去碰。你不让 AI 去产出工作，而是让它产出一个更强的你。它的 output 不是一份交付物，而是你走出来的时候，比走进去时更强。
差别在于剩下了什么。当 AI 替你做活，你留下 artifact，而你还是原来那个你——有时甚至更弱一点，更依赖下一个 prompt。当 AI 练你，它什么都不留下，只留下它改变的那个东西：你。而既然被打磨的是你自己，就没有信任问题要解决——你 ship 的不是它的产出，你 ship 的是你自己。
拷问者
面试之前，我不会熬夜去读这家公司的资料。我让 AI 来面我。
我让它扮一个刻薄、没耐心的面试官。每个问题都问最狠的版本。我答得干净，它就 follow up。我开始打太极，它就当场点破。一直问，直到我能毫不卡壳地答完所有问题。
第一轮很挫。我以为自己很熟自己的简历，然后它问我为什么选这个方法而不是那个更明显的替代方案，我才发现我一直揣着一个我其实 defend 不了的说法。于是我把说法补好，再来一轮。到第三、第四轮，答案就顺了。
然后真正的面试就变得很轻松，因为房间里没有任何一个问题，比我一个人扛过的那些更狠。
在 ship 之前先做压力测试
任何一次 readout 之前，我都做同样的事。deck 在递给 VP 之前，先递给 AI，我让它把整个论证往死里拆。
逻辑很简单：如果 AI 跟不上我的推理，房间里的人大概率也跟不上。一个 AI 没法从我自己的 slides 里弄明白的问题，就是会有人当场问出来的问题——只不过当场问，代价是我来付。不如在私下先把洞找出来。
它一举两得。它把那些显而易见的攻击点翻出来——样本太薄、被我一笔带过的 confound、那张其实没撑起我所声称结论的图——这样我要么提前备好答案，要么在别人看到之前就把这个 claim 砍掉。同时它逼我用一个对手的眼光重读自己的东西，那些细处的毛病就是这时候掉出来的：对不上的数字、跟不下去的推导步骤、跑在证据前面的结论。
预演那个房间
第三招是我后来最看重的。AI 能在几秒钟里搭出几乎任何场景的一个粗糙版本，然后你就可以泡在里面，直到它不再让你觉得陌生。
一场你从没谈过的 negotiation。一次你一直在拖的难谈话。第一次让你去主持一个满屋子人都比你 senior 的会。你把设定讲清楚，把对面那一方交给 AI，然后把这事走一遍——第一遍走得很烂。再来一遍。你摸清它会在哪里跑偏、对方会在哪里施压、整件事实际是怎么流动的，全在它真正发生之前。
一个新场景里的恐惧，大半不是场景本身，而是 uncertainty——你还不知道它长什么样。预演不会降低赌注，但它把陌生感抹掉。等到动真格的时候，你已经来过这里。你一进门就入戏，而不是把头十分钟花在找自己的脚下。
这个工具指向哪个方向
注意这几招的共同点。第一种用 AI 的方式把你停在你当前的边界里，并且在工作一旦飘出边界的那一刻惩罚你。第二种方式把边界往外推。同一个工具，相反的方向。
而且它会复利。AI 生成的 artifact 只值一次。你对着它打的那些回合——你现在能拿下的面试、你现在能 defend 的论证、那个不再让你发怵的房间——这些会留下来。AI 下线了，能力不会。
这些都不会出现在一个 demo 里。没有 output 可以截图，session 结束时没有东西可以 ship。这大概就是为什么这么少人去做。但你借 AI 做出来的东西，永远不会比那个指挥它的人更强。所以，把机器刚帮你省下的时间拿出来一部分，掉转方向，对准你自己。