面对艰难的决定时，你的本能可能是问模型：“我该怎么做？”这个问题并不合适。模型要么会礼貌而谨慎地回答“视情况而定”，要么更糟——根据你提供的问题框架自信地给出答案。前者和后者都不是真正的决策支持，只是披上外衣的确认偏误。
其实有更好的方法。只要使用得当，AI就是出色的决策思辨伙伴：它可以揭示你忽略的论据，挑战你已经认定的问题框架，还可以扮演你希望团队中存在的质疑者。本文将介绍如何通过一套工作流做到这些。
转换思路
你需要把思路从“告诉我答案”转变为“帮助我思考”。具体来说：
- 不要问“我该怎么做？”，而要说“帮助我理解自己的处境。”
- 不要问“有哪些利弊？”，而要问“最有力的利弊分别是什么？我的哪些假设最薄弱？”
- 不要问“你有什么建议？”，而要问“对于我目前倾向的选择，最可信的反对理由是什么？”
同一个模型会因问题不同而给出截然不同的回答。转换思路就已经完成了大部分工作。
四步决策工作流
任何重要决策都可以采用以下可重复的流程：
- 界定——清晰地呈现现状。
- 生成——生成论据和选项，数量要多于你独自思考时所能想到的。
- 压力测试——让模型攻击你倾向的选择。
- 决定——做出选择，并使确信程度与实际情况相符。
下面逐步说明。
第1步：界定
决策类提示词中最大的错误，就是过早开始。你对情况已有某种感觉，于是简要描述一番，模型便抓住了你的问题框架。最终结果只是你最初偏见的精致版本。
先要求模型采访你。
我即将做出一项决定。先不要发表任何看法，请问我5–7个问题，以便为我提供有价值的思考协助。问题应涵盖：实际有哪些选项、我的真实限制是什么、还会影响谁、成功是什么样子，以及我最可能为什么感到后悔。等待我回答。
请注意“问题应涵盖”这一句。没有这句话，模型会提出泛泛的问题；加上以后，问题才会触及决策的各个维度。
诚实回答这些问题。回答本身往往就会揭示一些情况：你其实还没有明确选项，没有说清真正的限制，也不知道成功究竟是什么样子。这些发现占整个练习价值的30%。
回答完毕后，模型便掌握了情况。现在它才能真正提供帮助。
第2步：生成
现在，要求模型生成论据和选项。结构化模板在这里很有效：
现在请给我：
**每个选项最有力的三个论据。**在我的回答能够支持某个观点时，请引用原话。对任何不确定的内容作出标记。
**我可能遗漏的两个选项。**有时，最佳选择是我尚未考虑的选择。如果发现此类选项，请明确指出。
**我应权衡的唯一一个最重要因素。**在这项决定中，哪个维度真正最重要？
**我最薄弱的假设。**我告诉你的哪些内容最可能是错的，或最可能发生变化？
你会得到一份比独自思考时更全面的清单。“我可能遗漏的选项”这一句尤其有用。人们经常把决定表述成二选一（“接受这份工作还是不接受”），但实际上可能有四五个选项（“接受、拒绝、协商、选择第三条路、推迟决定”）。
一个可靠的追问是：“关于我最薄弱的假设——如果事实证明它是错的，这项决定会发生什么变化？”这种敏感性问题很少有人会主动问自己，但优秀的决策者正是这样做的。
第3步：压力测试
接下来是AI辅助决策中最少被使用的一招：让模型提出反对意见。
现在，请针对我倾向的选择扮演反方。假设我即将选择[你倾向的选项]，请构建反对它的最有力且可信的论证。务必具体——不要只提出泛泛的顾虑，而要说明哪些实际情形会使它成为错误选择。
模型的回答往往令人豁然开朗。模型擅长从正反两面展开论证，只是默认会站在它认为你希望它站的一边。明确要求反驳，就能释放另一面的观点。
更激进的版本是：
想象现在是两年后，而这项决定最终酿成了灾难。发生了什么？请逐步带我分析最有可能的失败情形。
这种事前验尸式框架是决策科学中的经典方法，模型也能很好地执行。你通常会发现之前遗漏的风险，还可能意识到，其中某项风险比原先设想的更令人担忧。
对于直觉很强烈的决定，还可以尝试：
列出我可能出于错误原因做出这一选择的三个理由——例如偏见、贪图安逸、沉没成本，或是把我希望为真的事情当成事实。
独自进行诚实的自我审视很难，而模型很乐意替你完成。
第4步：决定
至此，你已经从更丰富的角度看待这项决定。最后一步是下定决心，并让自己的确信程度恰如其分。
根据我们讨论的全部内容，你有什么建议？请包含：
- 用一句话说明你会做出的选择。
- 你的确信程度：低（40–60%）、中（60–75%）或高（75%+）。
- 唯一一项会改变你答案的新信息。
请直截了当。不要用礼貌的“视情况而定”来铺垫——我需要明确立场。
确信程度很重要。“高度确信”的建议与“很难取舍，但略微倾向X”的建议确实不同，你采取的行动也应有所区别。如果不明确要求给出确信程度，模型会用同样的语气表达两者。
阅读建议，然后做出决定。建议是决策的输入，而不是输出——决策者仍然是你，但此时的你掌握了更充分的信息。
针对不同决策类型的实用模式
**工作/职业选择。**采访步骤至关重要。大多数人会把这类决定表述为“我是否应该接受这份工作”，而真正的问题其实是“未来两年，我希望从工作中得到什么？这份工作能否满足这些愿望？”要求模型必须询问你的两年规划、财务限制、家庭状况，以及你最可能为什么感到后悔。把这些写出来后，决定往往会变得更清晰。
**招聘决定。**积极运用反方论证模式。许多招聘决定之所以出错，是因为招聘经理太喜欢某位候选人，不再仔细审视。“论证为什么不应该录用[姓名]”可以提供有价值的信息。
**战略/商业决策。**使用事前验尸法（“想象两年后这件事失败了”）。大多数战略决策都是在乐观模式下做出的；事前验尸法能揭示乐观情绪所掩盖的依赖因素和风险。
**大额购买。**使用“最薄弱的假设”框架。大多数大额购买都基于对未来用途或未来收入的某种假设，而这些假设未必成立。购买前审视假设可以省下一笔真金白银。
**人际关系与个人决定。**使用“我最可能为什么感到后悔”框架。回头看时，后悔会极大影响个人决定；弄清自己真正会后悔什么，有助于将它与暂时的不适区分开来。
需要避免的常见陷阱
这个陷阱就是把AI当作确认机器。你一开始就有明显倾向，写出的提示词又在不经意间偏向它，模型于是尽职尽责地提供支持。你获得了认同感，做出决定，却没有真正深入思考。
防范方法在于流程结构：无论你的倾向看起来多么明确，都要执行反方论证步骤。如果构建出最有力的反对论据后，你依然确信自己的选择，那就说明你确实认真思考过。如果反对论据让你开始动摇，这恰恰说明模型发挥了优秀顾问的作用——它会提出异议，避免你凭着不成熟的想法贸然行动。
一个实用的自检问题是：每次决策对话结束时，问问自己：“模型说出了哪些我原本没有想到的内容？”如果答案是“没有”，说明你的使用方式不对。请用更诚实的问题框架重新开始。
用Custom GPT让流程成为习惯
如果经常采用这套方法，可以构建一个内置工作流的“决策思辨伙伴”Custom GPT（或Claude Project）。说明可以这样写：
当用户询问任何决定时，严格遵循以下顺序：
- 提出5–7个问题，涵盖选项、限制、受影响的人、成功标准，以及当事人最可能为什么感到后悔。等待回答。
- 列出每个选项最有力的论据、当事人可能遗漏的选项、最重要的维度和最薄弱的假设。
- 针对倾向的选项扮演反方，构建最有力且可信的反对论证。
- 给出直接的建议，包括确信程度，以及哪项信息会改变答案。
只有用户明确要求时才可跳过步骤。质疑合理化解释和偏见。不要给出礼貌的两面讨好式回答——必须表明立场。
将它用于任何重要决定。对每个重要选择都坚持走完整套工作流，几个月后便会产生复利效应。每年，你都会避免少数几个原本可能犯下的错误，而其中一些错误的代价会十分高昂。
核心要点
当你不再把AI视为先知时，它就会成为出色的决策工具。任何决策的难点都在于思考——阐明情况、权衡论据、找出遗漏之处、对倾向进行压力测试。模型能加速每一个步骤，而最终选择仍由你做出。
界定、生成、压力测试、决定。四个步骤，一项重要决定大约需要三十分钟。你的决定会变得更好，后悔的概率也会降低。
