我第一次意识到,AI 也可能卡在专业问题上

上周我在杭州整理一份客户方案,反复改到晚上十点,还是漏掉了一个关键假设。我把问题拆开问 AI,它给出的答案看着很完整,却有一处根本经不起追问。也是在那时,我看到 Anthropic 介绍 Claude 参与黑洞物理研究:不是替学者宣布答案,而是帮助他们追查长期悬而未决的问题。那一刻我更关心的是,咱们能不能借它这套工作方式,少走这种“看起来对”的弯路。

它的价值,不是直接给答案,而是陪你把问题追到底

Anthropic 的研究团队把 Claude 用在两类开放问题上:研究黑洞在什么条件下会“蒸发”,以及相关信息如何进入目前尚未完全解释的现象。负责该项目的研究人员 Pablo Hayden 使用 Claude 生成并筛选候选解释,再用自己的专业判断检查每条路径。研究没有停在“一键出论文”,而是把 AI 放进查资料、提出假设、排除矛盾、继续追问的循环里。

我也搞错过:最早我只让 Claude 给最终结论,结果得到的文字很漂亮,第二天却发现它把两个前提混在了一起。后来我改成先让它列出已知条件、未知环节和可能反驳,再逐项核对,返工才少一些。Claude 在这里更像一个耐心的研究助理,而不是替你拍板的专家。

今天复刻:几乎零成本,但要守住核验关

钱:使用 Claude 的网页或应用版通常可从免费额度开始,不必先购买复杂套餐。时间:第一次体验约 20 分钟;要套用到自己的业务问题,可先用 1 小时做一次小试验。技术门槛:不需要会写代码,但必须能判断资料是否靠谱。第一步:打开 Claude,新建对话,输入“我正在解决的工作难题”,再把目前掌握的事实和还缺的信息分两栏贴进去。

如果试 Anthropic Research 这类具体研究项目,不必照搬黑洞术语。可以把自己的问题改写成三类:现有事实是什么、有哪些可能解释、什么证据会推翻每个解释。AI 先帮你列候选路径,你再回到原始资料和客户反馈中核验。现在不试也没事,这套方法不是所有人都需要;如果你本来就擅长独立研究,它可能只是锦上添花。

不同阶段,我会给它不同任务

刚起步:如果你还在找产品或客户方向,我会让 Claude 一次只处理一个小问题,例如整理访谈记录、列出待核实假设,不急着让它给商业建议。

有 1-2 客户:如果你手里已有真实案例,我会把成功过程和失败复盘同时交给它,让它寻找矛盾,再由你验证哪些问题值得优先解决。

在扩规模:如果你开始搭团队,我会用它整理研究任务、记录证据来源和标出等待人判断的节点,并保留每次核验记录,方便同事接手。

我最想分享的不是“AI 能解决多难的题”,而是它提醒咱们:好答案常常来自持续追问和人工核验,不来自一句看起来很确定的总结。