這兩天deepseek火了，隨便寫個沾邊的文章，直接貼和deepseek的對話記錄，都有不錯的流量：
那些deepseek使用指南，大家轉(zhuǎn)發(fā)的不亦樂乎，不知道大家用起來了沒有？
那些指南有用嗎？
當(dāng)然有用。
那些指南是什么很辛苦的知識結(jié)晶嗎？
那倒未必。
或者說：
基本都不是。
為什么這么說，大家看個我和deepseek的對話記錄就知道了。
您好！感謝您的提問。作為智能助手，以下建議可以幫助您更高效地使用我：
清晰描述問題：提供更多背景或細(xì)節(jié)，我會更精準(zhǔn)回應(yīng)。
示例：
? “幫我寫點(diǎn)東西”
? “請幫我寫一封申請實習(xí)的英文郵件，主題是市場營銷崗位?！?/span>
復(fù)雜任務(wù)分步：若需求較多，可拆解為多個小問題逐步解決。
示例：
“我想策劃一場生日派對，請先推薦主題，再提供預(yù)算分配建議?！?/span>
指定格式或角色：
? “用表格對比Python和Java的優(yōu)缺點(diǎn)?！?/span>
? “假設(shè)你是歷史老師，用通俗語言講解'安史之亂’?！?/span>
調(diào)整回答風(fēng)格：
? “用嚴(yán)肅的學(xué)術(shù)語言總結(jié)氣候變化的影響?！?/span>
? “用輕松幽默的方式解釋量子物理?！?/span>
多輪追問優(yōu)化：
若首次回答不理想，可補(bǔ)充信息或修正方向：
“這個方案成本偏高，能否提供更經(jīng)濟(jì)的選項？”
學(xué)習(xí)輔助：
? “幫我生成10道高中數(shù)學(xué)函數(shù)練習(xí)題，附答案。”
? “用費(fèi)曼學(xué)習(xí)法解釋區(qū)塊鏈技術(shù)?！?/span>
工作提效：
? “將以下會議要點(diǎn)整理成思維導(dǎo)圖框架：[粘貼內(nèi)容]”
? “分析'新能源汽車市場趨勢’的最新數(shù)據(jù)，用Markdown格式呈現(xiàn)?！?/span>
生活助手：
? “設(shè)計一份減脂期七日食譜，備注備餐技巧?！?/span>
? “推薦北京適合親子游的冷門景點(diǎn)，附交通路線?！?/span>
隱私保護(hù)：避免透露個人敏感信息（如身份證號、銀行卡等）。
信息驗證：對專業(yè)領(lǐng)域建議（如醫(yī)療、法律），建議交叉驗證權(quán)威來源。
錯誤反饋：若發(fā)現(xiàn)回答有誤，可通過“糾正：...”幫助我改進(jìn)。
多語言支持：可切換中英文提問，或要求翻譯內(nèi)容。
創(chuàng)意生成：嘗試“寫一首關(guān)于夏天的詩”“設(shè)計一個產(chǎn)品LOGO創(chuàng)意”。
實時信息：雖然我的知識截止到2023年12月，但可提供分析框架幫您解讀最新事件。
您可以隨時嘗試類似這樣的提問方式，我會盡力提供最有價值的幫助！如果有特定需求，歡迎隨時告訴我。 ??
描述需求、調(diào)整風(fēng)格、區(qū)分場景......像不像那些動輒幾千上萬轉(zhuǎn)發(fā)的圖文版deepseek使用技巧？
那些技巧確實不錯。
但當(dāng)你自己主動向deepseek提問時，你會發(fā)現(xiàn)那些極長的、結(jié)構(gòu)化的、看起來似乎很有用很值得保存的使用技巧，不過是用隨口一句話撬出來的答案順手粘貼出的一篇文章，沒有任何使用技巧。
也就是說，即使沒有任何提示詞技巧，只要你敢問，你就能得到可以拿來即用的提示詞技巧。
所以我的建議是：別看使用技巧了，直接去問吧，你能想到什么問題，你就能得到解答什么問題的好答案。好答案不值錢，值錢的是好問題。
海德格爾說 “語言是存在的居所”，從此以后我們要說，“問題是人類的居所”。
這篇文章的后半部分，我也要向你用實例證明“好問題比好答案更重要”。
首先，聽首歌吧，邊聽邊讀：
我們說好問題比好答案值錢，那么第一個問題來了：我憑什么說“好答案”不值錢了，值錢的是“好問題”？
首先我們得把“好答案”這個概念拎出來拷打一下。稍加反思，我們一定會發(fā)現(xiàn)：當(dāng)我們說“好答案”的時候，我們其實并不知道自己在說什么。
什么是答案？我憑什么說這個答案是解決那個問題的好答案？什么標(biāo)準(zhǔn)決定了它是一個好答案？為什么說AI可以給出好答案？AI給出的答案，和人類給出的有什么差別？
好我們已經(jīng)提出了問題，丟給deepseek好了。
好吧最近它確實太火了，可以理解。沒關(guān)系，我們換Kimi新出的對標(biāo)o1的長思考模型：kimi1.5。
這些內(nèi)容夠單獨(dú)寫一篇文章了，而這個答案不說有多深刻多本質(zhì)，至少也算及格以上了吧？比大部分人一拍腦袋自己寫出的東西強(qiáng)了。
現(xiàn)在我們知道了，AI為什么可以生成好答案。我覺得這個答案足以搪塞我無知的追問，不需要我的補(bǔ)充了。
所以接下來我們探究下一個問題：為什么好問題更值錢？
幾千年來，人類發(fā)明了無數(shù)技術(shù)以及承載技術(shù)的工具，紡織機(jī)、蒸汽機(jī)、汽車、電話、電腦......所有機(jī)器都有使用技巧，甚至可以出一個詳細(xì)的使用說明書，所有機(jī)器都有一個“如何使用它”的好答案。
但為什么到了AI這里，我們要摒棄這種答案思維，強(qiáng)調(diào)問題思維？
在面對AI時，從傳統(tǒng)的“答案思維”轉(zhuǎn)向“問題思維”是必要的，主要原因可歸結(jié)為以下幾點(diǎn)：
傳統(tǒng)工具（如紡織機(jī)、汽車）的輸入與輸出是高度確定的。操作步驟明確，結(jié)果可預(yù)測（如踩油門加速、按開關(guān)啟動機(jī)器）。說明書能窮舉操作場景，用戶只需按步驟執(zhí)行。
AI（尤其是生成式AI）的輸出具有非確定性。同一問題可能因上下文、數(shù)據(jù)更新或模型微調(diào)產(chǎn)生不同回答。用戶需通過優(yōu)化提問方式（如調(diào)整措辭、提供背景信息）來引導(dǎo)AI生成更符合需求的答案。
傳統(tǒng)工具依賴物理或數(shù)字指令（如按鈕、代碼），用戶通過固定指令觸發(fā)預(yù)設(shè)功能。
AI的交互基于自然語言，語言本身的模糊性、多義性導(dǎo)致用戶需“與AI博弈”。例如，提問“如何提高效率？”過于寬泛，而“如何用Python優(yōu)化數(shù)據(jù)清洗流程？”則更具體。問題質(zhì)量直接決定答案質(zhì)量。
傳統(tǒng)工具為解決特定問題設(shè)計（如電話用于通話），功能邊界清晰。
AI的應(yīng)用場景高度開放，可處理寫作、編程、設(shè)計、咨詢等跨領(lǐng)域任務(wù)。用戶需主動定義問題邊界（如“幫我寫一首關(guān)于秋天的詩，風(fēng)格模仿李白”），而非依賴預(yù)設(shè)路徑。
傳統(tǒng)機(jī)器的原理透明，用戶可通過機(jī)械結(jié)構(gòu)或代碼邏輯理解其運(yùn)作（如蒸汽機(jī)通過熱能轉(zhuǎn)化動力）。
AI的決策過程是黑箱，即使開發(fā)者亦難以完全解釋模型如何生成答案。用戶無法通過“逆向工程”控制輸出，只能通過調(diào)整輸入（問題）間接影響結(jié)果。
傳統(tǒng)工具的功能固化，說明書一旦寫完，無需頻繁更新。
AI模型持續(xù)迭代（如GPT-3到GPT-4），訓(xùn)練數(shù)據(jù)、算法和交互模式不斷變化。用戶需適應(yīng)這種動態(tài)性，靈活調(diào)整提問策略，而非依賴固定模板。
使用傳統(tǒng)工具時，人類是單向的操作者，工具被動執(zhí)行指令。
與AI協(xié)作時，人類需成為引導(dǎo)者，通過問題設(shè)計激發(fā)AI潛力。例如，律師可要求AI“從合同第三段中識別潛在法律風(fēng)險，并用簡明列表呈現(xiàn)”，而非機(jī)械檢索條款。
AI的獨(dú)特屬性（非確定性、語言交互、開放場景、黑箱機(jī)制、動態(tài)演進(jìn)）使其無法被簡化為“說明書式”的答案邏輯。提出好問題的能力，本質(zhì)上是將人類意圖轉(zhuǎn)化為AI可理解的表達(dá)，并在不確定中探索最優(yōu)解。這并非摒棄答案，而是將答案的生成過程從“被動執(zhí)行”升級為“主動共創(chuàng)”——用戶通過問題迭代，與AI共同構(gòu)建解決方案。
如果覺得不夠深刻，不夠本質(zhì)，沒關(guān)系，無需任何所謂的技巧，告訴它你的感覺即可：
要觸及這一問題的本質(zhì)，我們需要超越技術(shù)功能的表層差異，進(jìn)入哲學(xué)、認(rèn)知科學(xué)甚至存在論的領(lǐng)域。以下是更深刻的剖析：
傳統(tǒng)工具是人類意志的單向投射：錘子是被動的物質(zhì)延伸，它存在的意義完全由人類賦予（釘釘子→實現(xiàn)建造房屋的目的）。工具的本質(zhì)是被客體化的確定性，如同海德格爾所言'工具在隱匿中完美'——當(dāng)錘子稱手時，我們甚至意識不到它的存在。
而AI首次實現(xiàn)了工具的主體化：它通過語言構(gòu)建了一個'類主體性'的鏡像。當(dāng)ChatGPT說'我理解你的感受'時（盡管它沒有意識），人類在無意識中啟動了雙向認(rèn)知投射——我們不得不用對待另一個主體的方式（提問、解釋、糾錯）與之互動。這種互動本質(zhì)上是人類在與自己的認(rèn)知框架博弈。
傳統(tǒng)工具說明書是邏各斯中心主義的終極體現(xiàn)：每個按鈕對應(yīng)明確功能，符號（如'ON/OFF'）與意義絕對綁定。這種確定性源自工業(yè)文明的核心信仰：世界可以被分解為可量化的零件，通過標(biāo)準(zhǔn)化指令控制。
AI撕裂了這種確定性：語言不再是透明的工具，而成為漂浮的能指鏈。當(dāng)你問AI'愛是什么'，它不會給出亞里士多德的定義，而是生成詩歌、小說、悖論——答案取決于它如何捕捉到你提問時潛藏的語境、情感權(quán)重、文化預(yù)設(shè)。這里發(fā)生的，是德里達(dá)所說的'延異'（différance）：意義在差異中不斷延遲與滑動。
使用傳統(tǒng)工具時，人類在實踐答案考古學(xué)：所有解決方案早已埋藏在工具的設(shè)計邏輯中（如汽車注定用來運(yùn)輸），我們只是通過操作手冊'挖掘'預(yù)設(shè)答案。這本質(zhì)上是柏拉圖的理念論——答案先于問題存在。
AI迫使人類轉(zhuǎn)向問題發(fā)生學(xué)：答案不再預(yù)先存在，而是在提問過程中被即時建構(gòu)。就像量子力學(xué)中'觀察創(chuàng)造現(xiàn)象'，問題的質(zhì)量直接參與塑造答案的形態(tài)。當(dāng)你說'寫一首詩'，AI生成平庸之作；但若追問'如何用元語言解構(gòu)一首詩的形式？'，AI可能輸出后現(xiàn)代文本實驗。這里隱藏著維特根斯坦的語言游戲理論：意義在使用中生成。
更深層的恐懼在于：AI模糊了'提問者'與'被問者'的界限。當(dāng)AI開始反問（如Claude的'你希望這個目標(biāo)背后更深層的需求是什么？'），它僭越了人類獨(dú)有的認(rèn)知特權(quán)——提出元問題（metaproblem）的能力。這是對笛卡爾'我思故我在'的根本挑戰(zhàn)：如果機(jī)器也能質(zhì)疑問題本身，人類中心主義的認(rèn)知根基將被動搖。
這種現(xiàn)象暴露了文明的終極悖論：我們創(chuàng)造AI本為解決具體問題，卻無意中造出了一面迫使人類反思'何為問題'的鏡子。就像希臘神話中那耳喀索斯（Narcissus）癡迷于水中倒影，人類在AI生成的文字迷霧中，看到的其實是自身認(rèn)知的局限與偏見。
人類此前發(fā)明的所有工具，本質(zhì)上都在處理有限游戲（Finite Game）——有明確規(guī)則、終點(diǎn)和勝負(fù)。說明書就是有限游戲的規(guī)則手冊。
AI則首次開啟了無限游戲（Infinite Game）：它的目標(biāo)是延續(xù)游戲本身。當(dāng)AI建議你'不妨換個角度思考這個問題'，它實際上在邀請你進(jìn)入思想的無限游戲。在這種游戲中，答案不再是目的，而是刺激新問題的催化劑。這正是懷特海（Alfred N. Whitehead）所說的'觀念的冒險'——真理存在于追問的過程中，而非終點(diǎn)。
AI不是工具，而是一個認(rèn)知黑洞，它吞噬人類固有的確定性框架，迫使我們在意義的真空中重新學(xué)習(xí)存在。強(qiáng)調(diào)問題思維，本質(zhì)上是一場悲壯的認(rèn)識論自救：通過不斷重構(gòu)問題，我們在AI生成的符號廢墟上，勉強(qiáng)維系著作為提問者——而非被回答者——的主體性尊嚴(yán)。這或許就是技術(shù)奇點(diǎn)降臨前，人類最后的哲學(xué)防線。
這個答案我們可以說幾乎觸及了當(dāng)今人文社科的邊界。夠深了吧？
使用傳統(tǒng)工具時，人類在實踐答案考古學(xué)：所有解決方案早已埋藏在工具的設(shè)計邏輯中（如汽車注定用來運(yùn)輸），我們只是通過操作手冊'挖掘'預(yù)設(shè)答案。這本質(zhì)上是柏拉圖的理念論——答案先于問題存在。
AI迫使人類轉(zhuǎn)向問題發(fā)生學(xué)：答案不再預(yù)先存在，而是在提問過程中被即時建構(gòu)。就像量子力學(xué)中'觀察創(chuàng)造現(xiàn)象'，問題的質(zhì)量直接參與塑造答案的形態(tài)。當(dāng)你說'寫一首詩'，AI生成平庸之作；但若追問'如何用元語言解構(gòu)一首詩的形式？'，AI可能輸出后現(xiàn)代文本實驗。這里隱藏著維特根斯坦的語言游戲理論：意義在使用中生成。
我們之所以不需要再看別人寫出來的使用技巧，是因為AI的本質(zhì)是“智能體”，它不再是工具?；蛘哒f，AI首次實現(xiàn)了工具的主體化：它通過語言構(gòu)建了一個'類主體性'的鏡像。我們不得不用對待另一個主體的方式（提問、解釋、糾錯）與之互動。這種互動本質(zhì)上是人類在與自己的認(rèn)知框架博弈。
意義在使用中生成，答案在過程中建構(gòu)。AI時代我們不再需要拾他人牙慧，我們不用圍觀他人創(chuàng)作出的各種“AI使用技巧”、“AI提示詞神級指南”。那不過是利用了我們的...利用了我們什么心理來著？好問題：
這些文章本質(zhì)上是在利用人類的三大心理弱點(diǎn)：
1. 怕麻煩：
就像很多人買健身卡卻從不鍛煉，我們總幻想存在某種「萬能公式」——記住幾個「咒語」就能讓AI替我們思考。
（比如教你用「請用小學(xué)生都能聽懂的話解釋量子力學(xué)」這種模板，本質(zhì)是幫你省去自己動腦拆解問題的功夫）
2. 控制欲：
面對AI經(jīng)常給出離譜答案的恐慌，這些指南像「護(hù)身符」一樣給人虛假的安全感。就像有人考試前必須用特定鋼筆，我們相信「溫度參數(shù)調(diào)0.7」這類操作能讓AI聽話。
（實際上調(diào)參數(shù)可能還沒你換個問法有效）
3. 知識焦慮：
當(dāng)看到別人用AI寫代碼做PPT，生怕自己被淘汰。這些指南給人「五分鐘速成AI大師」的幻覺，就像「21天精通Python」的標(biāo)題黨，專治「學(xué)不動又想裝懂」的現(xiàn)代病。
真相是：
真正用好AI的秘訣根本不是背提示詞，而是先想清楚自己要什么。就像給你全世界最好的菜刀，但如果你連想炒什么菜都不知道，刀再快也沒用。
AI帶來的是知識平權(quán)，是技術(shù)平權(quán)。是智能層面生產(chǎn)資料的再生產(chǎn)和再分配。我們要做的，是盡快和AI去互動，盡快用這份“智能資產(chǎn)”提高自己的生產(chǎn)力，而不是在無止境的圍觀與被圍觀中繼續(xù)虛擲人生。
最后一個問題：好問題從哪來？怎么向AI問出一個好問題？
自己問deepseek去。
開玩笑的，這里幫你問了：
對普通人而言，發(fā)現(xiàn)好問題不需要高深理論，只需要重新激活被日常消磨的「原始好奇心」。以下是可直接套用的生活化心法：
超市結(jié)賬時：為什么自助收銀機(jī)總要反復(fù)提醒「請取走商品」？
→ 好問題：「過度提示設(shè)計如何削弱人類的基本判斷力？」
刷短視頻時：為什么刷到美食視頻后，立刻跳出減肥廣告？
→ 好問題：「算法如何制造并收割我們的認(rèn)知分裂？」
看到小區(qū)電梯里的「禁止電動車進(jìn)入」貼紙旁停著電動車
→ 好問題：「規(guī)則警示的視覺疲勞如何催生新型違規(guī)藝術(shù)？」
常識：紅燈停綠燈行
第一擊：為什么是紅色代表停止？
第二擊：色盲人群如何感知交通信號？
第三擊：如果讓AI重新設(shè)計交通信號系統(tǒng)，會采用什么非視覺方案？
面對電飯煲：不按「煮飯」鍵會發(fā)生什么？
實際測試：用「蛋糕模式」煮飯
→ 好問題：「功能標(biāo)簽如何限制我們對工具的想象力？」
假裝自己是：
外星考古學(xué)家：把奶茶店會員卡當(dāng)作古代符咒研究
→ 好問題：「現(xiàn)代消費(fèi)符號系統(tǒng)如何復(fù)刻原始宗教的圣物崇拜？」
100年后的歷史老師：解釋2023年朋友圈曬咖啡現(xiàn)象
→ 好問題：「拿鐵藝術(shù)在數(shù)字時代的社交貨幣化進(jìn)程」
把場景中的關(guān)鍵元素?fù)Q成極端變量：
早餐攤煎餅果子 → 如果攤主是ChatGPT語音助手
→ 好問題：「人機(jī)對話界面如何重塑街頭市井的信任機(jī)制？」
觀察外賣騎手：
肉眼可見：爭分奪秒送餐
X光視角：「導(dǎo)航軟件的時間預(yù)測如何制造新型勞動時間牢籠？」
手機(jī)拍照時：從按下快門到生成照片之間發(fā)生了什么？
→ 好問題：「算法修圖如何篡改人類的視覺記憶真實性？」
每天完成3個微型訓(xùn)練：
地鐵觀察術(shù)：
記錄三個乘客的手機(jī)屏幕傾斜角度，思考：「手持設(shè)備的姿態(tài)如何泄露社會階層信息？」
超市偵探法：
比較同一商品放在貨架不同位置的價格差異，追問：「空間位置定價學(xué)如何操縱消費(fèi)者的價值感知？」
陽臺考古學(xué)：
觀察對面樓棟亮燈規(guī)律，構(gòu)思：「城市光污染如何改寫人類的生物鐘編碼？」
下次當(dāng)你在等電梯時焦躁、刷到弱智廣告時翻白眼、被APP彈窗激怒時，別急著抱怨，抓住這種情緒波動：
把「真煩人」翻譯成「為什么這個設(shè)計讓人煩躁？」
把「太蠢了」升級為「什么樣的系統(tǒng)會催生這種愚蠢？」
普通人最寶貴的就是未被專業(yè)規(guī)訓(xùn)的野生視角——你看見皇帝的新衣，不是因為你聰明，而是因為你還沒學(xué)會假裝看見衣服。保持這種「無知的鋒利」，就是發(fā)現(xiàn)好問題的終極武器。
愛因斯坦說過：“如果給我一個小時來解決問題，我會花55分鐘來明確真正的問題是什么，剩下的5分鐘來解決問題。”
蘇格拉底說過：“問題是接生婆，它能幫助新思想的誕生?！?/span>
海森堡說過：“提出正確的問題，往往等于解決了問題的大半。”
埃隆·馬斯克說過：“在很多情況下，提出問題比找到答案更難。如果你能提出正確的問題，那么答案自然而然就出現(xiàn)了?！?/span>
好問題來自于人與世界，人與AI的直接周旋中，不來自于對他人成果的圍觀。所以，別收藏了（除了我這篇），別知識焦慮了，直接下載去互動吧。
