为什么 AI 常把"要不要做"答成"要看情况"？

柏林ACS · 2026-08-01 · 读完约需 5 分钟

这样的回答，你多半收到过。

你问 AI："这个功能要不要做？"它给出一份周全的分析：做，有三个好处；不做，有两个风险；还有两个折中方案。最后总结："具体是否需要，建议结合实际情况权衡。"

每一步都对，每一条都有道理。读完之后，你比读之前更不知道怎么决定了。

有人把这种回答叫"正确的废话"：无法被反驳，也无法被使用。

现在做个对照实验。同一个问题，补一句背景再问："这个功能要不要做？我们团队只有四个人，目标是三个月内验证用户是否愿意为它付费。"

回答立刻换了副面孔：给出明确倾向，砍掉两个"有意思但不紧急"的方向，还指出验证付费意愿有更便宜的替代路径。有立场，有取舍，可执行。

补充的那句话没有增加任何事实——功能还是那个功能，AI 的知识还是那些知识。它到底补上了什么？

补上的是尺子。

一次搜索要产出回答，就必然存在某个标准，在无数条可能的路径里选出"最好"的那条。关键在于：你不给标准，标准并不会空缺——它会落回一个默认值，大致是"一个稳妥的、放到任何场景都挑不出错的回答"。

而"放到任何场景都挑不出错"，恰恰意味着不属于任何场景。于是回答自动收敛到各种立场的中间地带：好处列上，风险列上，结论留给你。面面俱到和毫无立场，其实是同一件事的两面。

那句背景做的事，就是替换了默认尺子。"四个人、三个月、验证付费意愿"——现在"好"有了具体含义：资源消耗要小，验证速度要快，不确定性要优先排除。尺子一换，被评为"好"的路径立刻换了位置。

这就是四层结构的第二层：搜索目标——这次搜索为了什么，以及什么答案算最好。它有三个部件，用大白话说：

意图：为什么搜。 "写一份新能源汽车市场的分析"是任务，"我们要决定明年是否进入这个市场"是意图。同一个任务挂在不同意图上，就是两次完全不同的搜索。注意，意图只能由你提供——这是人在这套系统里不可让渡的职责，没有任何技巧能让 AI 替你想清楚"我到底要什么"。

尺子：按什么比。 让 AI 设计数据同步方案，尺子是"可维护"，它给朴素清晰的结构；尺子是"性能"，它容忍复杂度换取吞吐；尺子是"最快上线"，它直接劝你先用第三方服务。不存在脱离尺子的"好方案"——尺子被指定之后，"好"才开始存在。

完成线：什么时候算完。 没有完成线，搜索只有两种下场：第一条看似合理的路径就交差（过早停），或者分析一层叠一层、两千字没进正题（停不下来）。完成线就是规定交付形态："给出明确结论：做、不做、还是补充信息后再定；如果信息不足，列出还缺什么。"

完成线还有个隐蔽的好处：它给了 AI"报告失败"的合法出口。没有这个出口，"信息不足，无法下结论"会被当成坏回答，于是它宁可编一个结论交差；有了它，指出缺口本身就是一种合格的完成。

三个可以直接用的做法：

说任务的时候，把意图也说了。 在问题后面补一句"这是为了决定×××"，成本五秒钟，效果立竿见影。

点名尺子。 "从可维护性角度评估，先看风险，再看收益。"你不点名，AI 就用默认的——默认尺子的产出，你已经见识过了。

警惕"请综合、全面、客观地分析"。 这是这一层最危险的一句话：听起来面面俱到，实际上是把尺子交了出去，等于点名要一份正确的废话。

这一层的完整构造出自《AI认知搜索理论》的第五章，书里有一个产品团队做需求取舍的完整案例——二十几个需求，从"每个都有价值"到一份有排序、有"明确不做"名单的清单，中间只多了三行设定。

下次提问前多花五秒钟，把"这是为了什么"补进问题里——尺子一换，回答立刻换副面孔。第三层下一篇聊：为什么大家的 AI，给出的方案都长得差不多。