[!info] 阅读导览
第 1 章 弱模型陷阱 → 第 2 章 弱模型制造的伪问题 → 第 3 章 便宜模型更贵 → 第 4 章 顶级模型不是神 → 第 5 章 完美主义陷阱 → 第 6 章 与 AI 和平共处的法则

1. 弱模型陷阱

经常遇到一种情况。有人问，这个视频应该怎么拆，这个文案怎么写，某个动效怎么让 AI 生成，为什么别人一句话就能做出来的东西，自己折腾半天还是不对。

一开始会顺着问题研究，看看是不是工作流没搭好，素材不够完整，或者提示词写得有问题。后来我发现，其中不少人一直在用基础的模型。看到这里，很多问题突然就说得通了。

他们卡住的可能不是那个具体任务，只是撞上了模型的能力上限。

基础模型给出一个很笨的答案，人开始修改提示词；改了几轮还是不行，于是去找教程、抄 Prompt、下载别人整理好的工作流，最后再去群里问有没有更详细的步骤。折腾一圈以后，人被搞得很累，还会得出一个结论：AI 好像也没有传说中那么聪明。整个过程里，唯一没有被怀疑的，居然是那个最应该被怀疑的模型。

2. 弱模型制造的伪问题

现在越来越强烈地感觉到，很多所谓的 AI 使用问题，其实是低能力模型制造出来的伪问题。

以前需要写一大段提示词，反复提醒它不要偷懒、认真检查、逐步思考，现在换到更强的模型，可能只需要说一句正常的人话。它会自己理解上下文，找到任务里的重点，知道接下来该做什么，中途发现方向不对，有时还能主动往回调整。

那种感觉很像以前开着一辆快散架的车上坡，车一直熄火，我开始研究踩油门的角度和换挡的时机，甚至怀疑是不是自己不会开车。后来换了一辆正常的车，才发现这段坡本来就可以直接开上去。

3. 便宜模型更贵

所以我现在不太喜欢只讨论哪个模型便宜。一次调用花多少钱没有太大意义，更关心拿到能用的结果，最后付出的总成本是多少。一个便宜模型，来回沟通十几轮，中间查三次教程，重新整理两遍素材，最后还得自己收尾。表面上省下了订阅费，实际上搭进去一个小时，还顺便收获了一肚子火。

顶级模型可能几分钟就能把路径想清楚，直接给出一份可以继续推进的结果。两边放在一起看，便宜的那个反而贵得离谱。

维度	弱模型（基础模型）	强模型（顶级模型）
沟通轮次	来回十几轮，反复修改提示词	一句正常的人话即可
中间成本	查教程、抄 Prompt、整理素材、自己收尾	几分钟想清路径，直接给可推进的结果
表面成本	订阅费便宜	订阅费贵
总成本	搭进去一个小时 + 一肚子火（反而更贵）	省时间，结果可用

4. 顶级模型不是神

很多人舍不得花一笔看得见的模型费，却很少计算自己每天被浪费的时间。还有一些人从来没有真正使用过顶级模型，所以不知道现在的能力差距已经有多大。他们依然把 AI 当成一个搜索框，觉得大家都能回答问题，无非是一个答案长一点，一个答案短一点。

但真正用过以后会发现，有些模型还在等我逐句指导，有些模型已经可以接过一个复杂任务，自己往前跑很远。如果一直只用基础模型，再用它的表现判断 AI 能不能解决问题，对 AI 不太公平，对自己的时间也不太公平。

不过，事情到了这里还有另外一个坑。我现在基本都会优先使用顶级模型，但用得越多，我反而越不会盲目相信它。它有时候聪明得离谱，我只说一句，它能把后面的十步全部想到，交出来的结果好到让我怀疑它是不是偷偷看过我的脑子。可到了下一次，我把要求写得像合同一样清楚，它还是会漏掉其中一条，然后一本正经地告诉我已经全部完成。

但这就是它真实的样子。

顶级模型依然会出现幻觉，会误解需求，也会在一些很奇怪的地方偷懒。它这次做对了，不代表下次还能稳定复现。更强的模型提高了能力上限，也提高了拿到好结果的概率，但它没有承诺每一次都完美。如果我期待 AI 输出一份让我百分之百满意的东西，很快就会掉进另一种折磨：第一版已经有八十分，我想再提高一点，于是让它重新生成。第二版改好了一个地方，又把另外两个地方弄坏了。我继续补要求、加限制，半小时以后面前摆着十个版本，最后发现还是第一版最顺眼。

这时候让我累的已经不是模型的能力，而是我对完美结果的执念。有些任务确实可以通过补充上下文继续提高，但还有很多时候，自己在开始之前也不知道什么叫百分之百满意。

5. 完美主义陷阱

写文章时，看到第一版才发现自己不喜欢这个角度；做页面时，看到真实效果才知道自己想要的不是这种气质；做产品时，也经常在第一版出来以后改变判断。我的标准是在做的过程中慢慢长出来的，连我自己都还没有完全想明白，又怎么可能要求 AI 一开始就准确猜中？

6. 与 AI 和平共处的法则

现在更愿意让 AI 先把东西做出来。 先给我一个草稿、一个页面、一个 demo，或者任何可以看见和触摸的结果。等东西真的出现在眼前，我再判断哪里不对，哪里值得继续，哪里需要自己接过来。它很擅长快速打开局面，让一个停留在脑子里的想法开始拥有形状。我负责接下来的方向、审美和取舍，也负责最后什么东西可以真正交出去。这样的关系比反复调教它舒服多了，我也不用每天和一个概率机器斗智斗勇。

我不会因为 AI 某一次犯傻，就觉得它没用，也不会因为它偶尔表现得像个天才，便真的把所有事情都交给它。遇到事实、数据和重要决策，我还是会核对；方向已经对了，只差一点个人味道，我通常直接自己改；连续几次都做不好，也不会无限死磕，而是停下来看看，这件事究竟超出了它的能力，还是我的目标根本没有说清楚。

接受它的不稳定，不代表纵容它胡说，只是我开始知道它适合站在哪个位置。

flowchart TD
    A[任务反复折腾？] --> B{先检查模型能力}
    B -->|基础模型反复失败| C[同样的素材放进更强模型<br>再跑一次]
    B -->|强模型也不行| D{是能力上限<br>还是目标没说清？}
    D -->|超出能力| E[人工接手方向与关键判断]
    D -->|目标没说清| F[先让 AI 做出来<br>再迭代自己的标准]
    C --> G[很多问题换个模型<br>自己就消失了]

这就是我现在理解的和 AI 和平相处。

我知道它很强，也知道它并不可靠；我愿意把重要的任务交给当前最好的模型，同时保留自己的判断。简单、重复、低风险的事情，基础模型完全够用。一个任务已经让我来回折腾、到处找教程，甚至开始怀疑自己时，我会先把相同的素材放进更强的模型，再跑一次。很多问题根本不值得研究那么久，换个模型，它自己就消失了。

用了最好的模型以后，也不会进入许愿模式。我不需要它每一次都完美，只需要它明显提高我拿到好结果的概率，让我把时间留给真正重要的判断。毕竟我们使用 AI，是为了更轻松地把事情做出来，不是为了换一个对象继续较劲。

不要给弱模型打工，也不要逼强模型当神。

[!success] 核心要点

• 卡住时先怀疑模型：很多人用基础模型撞上能力上限，却先怀疑自己的提示词，绕一大圈
• 伪问题：大量"AI 使用问题"是低能力模型制造出来的，换强模型一句人话就能解决
• 便宜模型更贵：真正的成本是来回沟通、查教程、整理素材和自己收尾的时间
• 顶级模型不是神：会幻觉、误解需求、偶尔偷懒；它提高的是拿到好结果的概率，不是每次完美的保证
• 完美主义陷阱：标准在做的过程中慢慢长出来，先要第一版，再迭代
• 相处法则：先让 AI 出草稿 → 人负责方向/审美/取舍 → 重要决策人工核对 → 连续失败就停下检查是能力还是目标问题