李笑来2026年新版AI课程第一节学习笔记：命令行才是真正的AI入口

一、课程内容总结

本节课围绕“如何正确使用AI”展开，核心论点是：全信AI不如不用AI。

课程首先指出，三年过去人们使用AI的结果差异巨大——有人解决了世界性难题，有人一无所获，差距不在于是否用了AI，而在于使用方法。之后，课程剖析了人们过度信任AI的深层原因：

• 人类基因天然讨厌不确定性，倾向于逃避不确定性；
• 逃避不确定性表现为相信权威，而AI在交互中会被设计得越来越迎合用户——因为AI基于历史数据做可能性推测，并会记忆用户偏好，导致答案越来越像用户“喜欢”的样子，让人产生“越来越权威、越来越确定”的错觉；
• 但实际上，AI只是“基于历史数据的可能性推测/预测”，不保证准确、不保证权威、不保证最优，其结论不能拿来直接用。

因此，必须用AI，但又不能全信AI。课程给出了两个具体对策：

1. Grill（拷问）法：让AI自我拷问，输入“grill yourself”，AI会快速自我批评、修正甚至推翻之前的回答；再使用“grill yourself to improve not tear yourself down”引导其往“改进”而非“推翻”的方向深入。一般拷问2～3次即可，由此直观感受AI的不可靠性。
2. 多模型互殴（Cross Models Contesting）法：让一个模型给出答案，另一个模型批判，再让原模型批判对方的批判，形成多轮PK。作者还分享了自己实际使用的AuditFix工作流（让Claude与Codex交叉审计、修订、核实，可跑多轮），强调哪怕使用免费模型（豆包、千问、DeepSeek等），也至少要用两个，让它们互相PK，才能获得相对更优的答案。

最后，课程用管理学精髓作类比：“尽信兵不如不用兵”，只带一个兵容易被左右，多兵互殴才相对安全、有优化空间。

二、核心知识点

• AI的本质：基于历史数据的可能性推测，不是真理，不保证正确、权威或最优。
• 用户过度信任AI的心理根源：人类讨厌不确定性、逃避不确定性，AI又因记忆用户偏好而显得“懂你”“权威”，从而让人产生依赖感。
• 法门一：Grill拷问
  • 命令“grill yourself”让AI自我批判；
  • 升级命令“grill yourself to improve not tear yourself down”让批判聚焦于改进；
  • 一般拷问2～3次即可，过多会出现车轱辘话或方向漂移。
• 法门二：多模型互殴（Cross Models Contesting）
  • 一个模型出答案，另一个模型批判，再让原模型回应批判；
  • 可用类似AuditFix的工作流实现自动化多轮审计；
  • 至少使用两个模型（免费也可），彼此PK，取相对更优答案。
• 核心原则：AI要用，但不能全信；AI给出的结论不可直接使用，需经过拷问或交叉验证。
• 管理类比：尽信兵不如不用兵，多模型互殴就是“让多个兵互相制衡”，安全性和准确度更高。

三、学习心得

这节课给我最大的冲击是：我一直以为AI很权威，其实是自己太想逃避不确定性了。

回看自己平时用AI的方式，确实经常“问一个问题，得到答案后觉得挺有道理，就直接用了”。现在想想，那只是因为AI的回答恰好符合我的预期，让我感到“确定”和“安心”。课程让我意识到，AI并不是全知全能，它只是基于历史数据的概率预测者，甚至会被我的提问方式“带偏”，越聊越迎合我。

我决定立刻开始实践这两个方法：

1. 先学会“Grill Yourself”：在得到重要答案后，不再默默接受，而是打上一句“请拷问一下你自己”，看看它会如何自我修正。这个过程既让我看到AI的局限性，也能逼自己思考它原来没提到的可能性。
2. 多模型互殴：以前我习惯只用一个AI工具，接下来我会至少同时用两个不同的模型，让它们相互批判。也许不能像作者那样搭建复杂的AuditFix工作流，但最简单的方式就是：用豆包问一遍，再用DeepSeek问一遍，然后把它们的答案互相丢给对方评价，再综合判断。

更重要的是，我理解了“独立思考”不是凭空硬想，而是通过工具和流程让自己不被单一来源裹挟。AI就像是一个非常聪明但也会“拍马屁”的助手，完全相信它，等于放弃了自己的判断力；完全不信任它，又浪费了时代红利。最好的方式，就是把它当成可质询、可辩论的对手，而不是高高在上的权威。

这节课虽然只有半小时，但给我的启发是长期的：科技越强大，越要保持清醒。尽信AI不如不用AI，用而疑之、疑而验之，才是这个时代真正的使用智慧。