上一篇讲的是长对话怎么跑偏。写完那篇我发现，跑偏不只发生在对话变长之后，也会发生在每一次看似完整的回答里。
AI 回答很快，结论也常常很顺。但它很少主动说明：这个结论依赖哪些前提。前提没被检查，就会被默认接受；这样的默认多了，后面的分析就可能建立在错误基础上。
所以我现在拿到一个建议，不会急着判断对错，而是先问三个问题，把藏在回答背后的假设挖出来。
哪些前提最脆弱
你的分析依赖哪些前提？哪些前提最可能不成立？
“假设你的读者是开发者"这种隐含约束，AI 不会主动说。你得逼它说。知道哪些前提站不住，就知道建议的边界在哪里。
漏掉了什么问题
这个分析没有回答哪些问题？还有什么你无法判断？
有时 AI 看起来什么都知道，其实只是选择性回答。让它坦白"不知道"或"判断不了”，才能看清建议的完整版图。未知的问题比已知的更危险。
什么条件下结论会错
什么条件下这个结论会完全错误？
不是找边缘情况，而是找全盘推翻的条件。比如它建议缩短文章，我就问：什么情况下文章反而应该更长？如果它说不出让结论失效的条件，说明自己没想清楚。
最近纠结一篇文章该不该砍到 800 字。AI 说"缩短更吸引读者"。用三个问题一问，它承认：建议的前提是"读者注意力只有 30 秒"，但没考虑到"深度内容需要详细例证"。如果核心价值在完整叙事，缩短反而会破坏它。现在我清楚它在什么前提下成立，什么前提下是错的。
这三个问题帮你做一次安全检查。不是怀疑 AI，而是知道自己在答应什么。
下一篇开始讲怎么把追问习惯变成系统，让深度提问自动化。
📖 系列导航