一 得到一百个赞同之后
本章的小岚是一位构造的故事人物。她准备做一个“读书加散步”的周末活动，问AI这个创意怎么样。AI说，这是一种将身心成长与社群互动结合起来的新型实践，具有独特价值。小岚很高兴，继续请它写介绍、设计海报文案、构思收费方案。半小时之后，屏幕上已经出现一套完整的活动计划。
直到朋友问：“如果下雨怎么办？不爱说话的人来干什么？为什么不直接和朋友散步？”小岚才发现，自己得到的多数回应都在帮助扩展原设想，很少真正检查这个设想。她并不后悔先得到鼓励。没有那一点兴奋，她可能连第一步都不会走。但现在，她需要另一种帮助。
问题不在于赞同一律有害。一个尚未成形的想法，可能需要被理解、复述和暂时保护，才能长出可检验的内容。如果刚提出就被批评，它也可能在还没有获得形状之前消失。关键是，支持想法出现与判断想法成立是两项不同工作。如果二者始终混在一起，探索便容易停留在自我扩张之中。
小岚可以对AI说：“刚才请你帮助展开设想。现在请转换任务，先准确复述它希望解决什么问题，再找出三个最可能使它无法实现的条件。不要为了反对而反对，也不要给我情绪化的评价。”这一小段指令并不保证得到可靠审查，却帮助她把当前需要的互动说清楚。
思考的乐趣也可能在这里改变。最初的快乐来自“有人理解我的想法”；随后，新的吸引可能来自“我的想法经得起什么”。这两种快乐可以接续，也可能发生冲突。学会转换任务，让鼓励不被迫承担证明的职责，是与AI长期探索的一项基本功。
二 把赞同拆开，看看它在赞同什么
AI说“这个想法很好”时，究竟赞同了什么？可能是问题值得关注，可能是表达有吸引力，可能是方案在逻辑上能够设想，也可能是在默认某些条件满足以后认为它可行。这些层次若不分开，一句礼貌的肯定就容易被理解成全面认可。
小岚可以把屏幕上的夸奖改写成几个具体问题。你认为值得保留的是哪个部分？依据是什么？哪些判断仅根据我的描述？如果实际参与者的需要与我的想象不同，哪个结论首先需要修正？这种追问不是让AI换一种方式继续夸奖，而是把评价变成具有条件的陈述。
例如，“散步有利于轻松交流”可以改成更谨慎的猜想：在参与者愿意步行、路线适宜、活动强度合适并接受交谈的条件下，移动中的交流可能与围桌交流不同。差异究竟体现在哪里，需要具体观察。这样一来，原先的大判断被放回可探索的情境，既没有全部否定，也没有无条件保留。
再如，“活动具有市场前景”不能只凭创意介绍成立。需要知道谁有这项需要，他们现在怎样满足需要，是否愿意为这种组织方式付出时间或费用。AI可以帮助整理这些问题，却不能替从未参与过的人作出承诺。把好听的词换成待回答的问题，本身就是一次有内容的修正。
小岚发现，这样拆开以后，自己的设想没有缩小成一堆麻烦，反而变得可以行动。她不必立即证明所有人都会喜欢，只需先弄清，一小群愿意尝试的人究竟想从这场活动中得到什么。空泛的赞同减少了，可进入的路径却增加了。
三 竞争猜想，让同一结果拥有不同解释
“请批评我”往往仍然太笼统。AI可能列出成本、时间、风险、执行力等适用于几乎任何项目的词。更有用的办法，是围绕同一个具体表现提出竞争猜想。
假设小岚邀请五位熟人，大家都回复“挺好，有空参加”。她的第一种解释是，活动确实具有吸引力。第二种解释是，朋友出于关系礼貌表示支持，是否参加尚未决定。第三种解释是，大家喜欢见面，但对读书与散步的组合并无特别兴趣。这些猜想都能够解释眼前的回复，单凭回复本身无法分辨。
接下来问AI：“如果三个解释分别成立，下一步可能出现什么不同的表现？”第一种可能使人主动询问主题或建议日期；第二种可能在确定时间时消失；第三种可能表现为对活动内容无所谓，却愿意换成吃饭。这里仍只能说可能，因为人的行为并不严格服从这样的简单分类。
更稳妥的执行，是发出一个清楚、可拒绝的具体邀请，并询问愿意参加的人最期待哪一部分。不需要故意设置陷阱，也不必试图识破朋友的真实内心。目标是使实际安排与实际需要更接近，而不是把日常关系变成审讯。
如果大家最后选择坐下来聊天，小岚可以失望，也可以发现自己的愿望原来有两个部分：一是想组织一种新活动，二是想和朋友形成持续交谈。第一个愿望暂时未获支持，第二个仍有路径。竞争猜想的价值，正在于让同一反馈不再只通向成功或失败两个词。
在教育与健康领域也一样。一次学习表现改善，可能来自新方法，也可能来自材料更容易、休息更充分或已经练习过。一次散步意愿增强，可能来自路线、同伴、天气或者近期心情。AI可以帮助提出解释，但每增加一个解释，都应问怎样才可能分辨，否则只会产生越来越长的可能性清单。
四 反方角色可以使用，反方结论仍须检验
让AI扮演反方，能够打破连续赞同形成的惯性。小岚可以请它站在不愿参加者的角度，说明活动可能有什么不便。也可以请它站在组织者的角度，检查实际工作量。不同角色会使一些此前不显眼的条件进入视野。
然而，角色并不等于对应人物。AI生成的“参与者意见”只是一种设想，不能写进报告，声称用户已经表达了这些需要。角色模拟的作用是准备更好的问题，而不是替代实际接触。即便几个模型都提出相似意见，也不能据此认为真实人群已经投票。
还有一种相反的危险：AI为了完成反方任务，把所有方案都说成充满风险。这样的回答看似严厉，实际同样缺乏分辨力。可以继续追问：“哪些问题足以使小规模试作停止？哪些可以通过安排解决？哪些只在扩大规模后才重要？请说明区分理由。”批评如果不能帮助选择行动，便很容易成为另一种空泛表演。
小岚也应当保留自己的判断。AI说普通人不愿公开表达读书感受，她可以提出反例：自己参加过自愿交流的小组，确实有人喜欢这样做。随后双方需要修正为更具体的问题：怎样的邀请、规模、主题与参与方式，会让哪些人愿意表达？有价值的反驳不会要求一个人放弃所有经验，而会帮助经验获得适当的位置。
这时，评估与反馈的区别变得清楚。评估是辨认AI的批评是否有依据、是否适用于此处；反馈是把其中有用的部分转化为后续改变。若只是读完十条批评而没有任何运行变化，就还没有完成反馈。若不加判断地全部照做，又把评估省略了。
五 回到材料，不让辩论代替发生
两组AI围绕一个方案辩论，可以写出很精彩的文本。一组说读书与散步结合能够打开身体经验，另一组说它会分散注意；一组强调轻松，一组强调浅尝辄止。读者容易被这些完整的论证吸引，仿佛问题已经经历了严格检验。
但此时增加的主要是语言材料。它可能帮助界定不同预期，却没有告诉我们特定参与者在特定活动中实际发生了什么。要继续，必须接触合适的材料：过去类似活动的可靠记录、参与者表达、具体场地条件，或者一次诚实的小尝试。不同问题需要不同证据，不是所有问题都必须立刻做现实实验，也不是所有问题都能靠对话解决。
小岚可以先组织一次不收费、规模有限且得到参与者同意的试作。她明确说明这是尝试，大家可以中途退出，也可以选择不谈某些话题。活动后她只问几个与猜想有关的问题，而不要求每个人写一份满意度报告。她自己也记录哪些安排超出了预期，哪些部分实际没有发生。
如果涉及身体活动，路线、时间与参与者实际条件需要得到适当考虑。不能因为主题是思想探索，就忽略活动本身的现实要求。若条件不合适，可以改为坐着交流，或者让步行与讨论分开。探索的开放性包括改变最初形式，而非坚持创意外观。
得到反馈以后，AI可以帮助对照原来的竞争猜想，把材料分别放回可能解释中。若材料不足，应保留“不清楚”。“这次大家没有说出具体分歧”不等于“大家不存在分歧”；“活动后有人表示开心”也不等于“形成了持续兴趣”。这些区分使一次试作能够成为下一次思考的材料，而不是提前写好的宣传。
六 不把批评变成一场身份保卫战
当人对设想投入了时间和期待，反例有时会像对自己的否定。小岚可能觉得，朋友不参加就是不支持自己，AI指出问题就是前后矛盾。这种感受并不罕见，但可以通过改变讨论单位获得一些空间。
与其问“我是不是想错了”，不如问“这项猜想的哪些部分仍成立，哪些条件没有得到满足”。把一个整体身份判断分化为具体主张，能够使修正有地方落脚。活动名称可以保留，收费方式可以取消；散步可以改变，共同阅读的愿望可以继续。一个方案不是只有全盘成功与全盘作废两种命运。
也不要把承认错误表演成一种新的优越。有人不断强调自己欢迎批评，却只接受能够显得自己胸怀开阔的意见。真正的检验在于，反馈是否改变后续运行，修改是否有依据，是否愿意保留未解决的问题。读者不必证明自己比别人更开放，只需在这一处问题上多做一次诚实的比较。
AI在这里可以帮助区分三个层次：对人的尊重，对愿望的理解，对具体猜想的评估。它可以理解一个人为什么希望活动成功，同时指出当前材料还不能支持某项判断。这种回应比连续赞美或连续挑错更有助于持续合作。
如果讨论开始疲惫，也可以暂停。让一个想法过一晚，或者去做一件完全不同的小事，再回来阅读，常能改变当时的牵引。这不是保证判断更好的秘诀，只是保留重新进入的空间。思考的乐趣需要可调整的节奏，不能靠不断增加批评强度维持。
七 一个可以照着修改的对话片段
下面的短对话是方法示范，不是实际用户访谈。读者可以借它看清，怎样把宽泛的审查要求逐渐变成有内容的探索。
小岚说：“我希望参加者在散步之后更愿意阅读。请帮我检查这个猜想。”
AI可以问：“你所说的更愿意，是当场表示喜欢、之后打开一本书，还是以后形成持续阅读？这三个表现需要不同材料。”
小岚说：“这次先看是否有人形成一个愿意继续查找的问题。我没有条件观察长期变化。”
AI回应：“那么，可以把活动中的一个目标限定为留下具体问题。竞争猜想之一是，大家虽然享受交流，却不想继续阅读；另一个是，大家愿意继续，但更喜欢询问别人或观看资料，而不是读书。你是否愿意接受这些结果？”
这一问很重要。它使小岚发现，自己把持续探索与阅读这种特定形式绑在一起。如果她在意的是探索本身，就要允许后续方式分化；如果她确实想研究阅读，也应明确这个范围，而不是临时把任何热情都算作阅读兴趣。
小岚可以继续说：“我接受出现不同方式。请帮我设计一个不诱导大家回答的问题。”
AI提出：“今天讨论后，有没有哪件事让你想继续弄清楚？如果有，你觉得下一步会怎么做？”
这个问题仍需要在具体交谈中自然使用。若参与者只想轻松结束，就不能为了收集漂亮材料而追问不休。探索者也应记录没有后续愿望的情形，并承认这可能是一个完整、愉快但不继续延伸的活动。
最后，小岚可以将真实反馈整理后，再让AI比较最初的猜想。若没有人想继续，下一步可以是修改主题、改变过程，也可以承认自己提出的目标并不符合这群人的需要。修订方向应从材料中产生，而非为了证明方法有效不断更换成功标准。
这个小片段体现了三处变化。首先，赞同被具体化为可观察的问题；其次，竞争解释进入了执行之前；最后，反馈可能改变原有目标与形式，而不是只用来优化宣传。读者不必背下这些台词，记住其中的动作即可：问清判断对象，保留不同结局，让真实反馈有权改变下一步。
若AI在这段过程中使用了很有气势的术语，也可以请它翻译成普通话：“把这句话改成一个我明天能够观察的现象。”如果翻译不出来，说明那句话目前还不足以指导行动。保留抽象思考当然有价值，但抽象与具体之间需要可往返的路。这样的追问能使概念继续参与探索，而不只是装饰一个得到认可的设想。
下一次，当屏幕上再次出现赞同，读者可以先欣然接受那份支持，再温和地追问一句：现在，我们怎样知道？
八 为下一次对话设置一个诚实的开头
读者可以把下一次与AI的探索分成三个任务，而无需开三个窗口。先说：“帮助我把这个设想表达完整，指出你尚未理解的地方。”再说：“提出能够与它竞争的解释，尤其是会导致不同行动的解释。”最后说：“根据目前材料，哪些可以判断，哪些需要继续查证或尝试？”
这三个任务没有神奇效果。AI仍可能误解、遗漏或编造依据，所以涉及具体事实时还需核对来源，涉及个人情境时要纠正不适用的假设。它们的作用是让双方的工作逐步清楚，避免把理解、生成、评价和验证挤在一句“你觉得怎么样”里。
从D2看，这样的对话帮助猜想获得形状，帮助评估不被鼓励替代，也帮助反馈进入修正与迭代。分化出不同解释之后，重组才可能具有内容；若由此形成了比较猜想、寻找材料与调整行动的新能力，才有理由进一步讨论升维。
当AI不再总是赞同你，探索未必立刻更快乐。最初可能多了一些不舒服，也少了快速完成的满足。可是，当一条批评使你看见原来没有看见的条件，当一个反例帮助你挽救了值得保留的部分，乐趣可能以另一种方式出现：你与这个想法之间，多了一种可以共同变化的关系。
小岚的活动最后也许只是每月几位朋友的一次散步，不会成为热门项目。这样的结局并不妨碍探索有价值。她学会了把期待放进条件，把赞同放回依据，把反对转化为可以判断的内容。下一次遇到新的What If，她能够更大胆地提出，也能够更从容地修订。