你上一次用AI，让它干了什么？
润色一段朋友圈文案？翻译一封英文邮件？写个会议纪要？
这些事它都能干，干得还不错。问题是，这就像你雇了一个能帮你谈判、能帮你审合同、能帮你做财务分析的人，结果你每天只让他跑腿取快递。
AI真正能帮你省出来的，不是写写改改的杂活。
是那些需要一个聪明人坐下来帮你想一想的事。
这类事你不陌生。下周要见投资人，你想把对方可能追问的刁钻问题全过一遍，身边没有合适的人帮你练。
桌上摞了一堆合同和行业报告，你知道答案就在里面某一页，但没时间翻。
月底拉出一屏幕数据，你知道方向藏在数字里，但看着看着就眼花了。
以前这些事要么你自己熬夜干，要么花钱找人干。
现在AI能接。不是帮你写文案那种接法，是帮你推演、帮你判断、替你把一件事想清楚那种接法。
三种用法，下面逐个说。
第一种：让AI扮演对方，帮你提前打完一场仗
技术名叫 Role Prompting，角色提示。
说白了就是让AI假装自己是投资人、客户、竞争对手、新员工，从那个人的立场和判断习惯来回答你。
这不只是换个语气说话。
你让它扮演"资深CFO"来看你的财务，它会按CFO的思路走——盯现金流而不是看收入，关注单位经济模型而不是总量，先找风险再看亮点。
角色不同，它调用的分析框架就不同。
你一个人没法同时站在客户、供应商、对手的位置上想问题。但AI可以。让它分别扮演，你在做决策之前就能把各方的反应先过一遍。
等于你有了一个随叫随到的顾问团，而且这个顾问团不会因为你请他吃饭就嘴软。
拿融资路演举例。四步走完，你还没出门，这场仗就已经在桌面上打过一遍了。
第一步，让它扮演对方，提最难的问题。
你跟AI说：你是一个专注消费品牌的A轮投资人，有10年投资经验，见过200家公司。我们做宠物定制食品，SKU 30个，复购率40%，月流水80万。请以投资人身份，列出你最想追问的5个尖锐问题，不要客气，要真正让创始人接不住的那种。
这里有个细节。
你不能光说"请扮演投资人"就完了，你得给行业、年限、看过多少项目。你对这个角色的背景交代得越细，它演得越像。
就像你跟演员说"演一个坏人"和"演一个在体制里待了二十年、对权力既厌恶又依赖的中层干部"，出来的东西完全不一样。
第二步，让它把反对逻辑摊开。
AI列完5个问题，你挑一个深挖。比如它质疑你的复购率不可持续，你就追：请展开这个疑虑背后的完整逻辑——你为什么会担心这个，你见过哪些公司在这个点上栽了。
这一步你拿到的不只是"对方会问什么"，而是"他凭什么问"。
知道对方的逻辑，比知道对方的问题更有用。
第三步，切换视角，让它帮你设计回答。
你说：现在你不是投资人了，你是我的融资顾问。针对刚才那个复购率的疑虑，帮我搭一个回答框架——先承认哪些担心有道理，再用什么数据打消顾虑，最后把话题拉回我们的长处。
第四步，真刀真枪模拟一遍。
你说：现在我们对练。你继续演那个投资人，我来答。你先提第一个问题，我答完你继续追，直到你觉得这个问题被充分回答了，或者我接不住了为止。
这个方法不只是融资能用。
大客户谈判，让它演采购负责人。谈股权，让它演对方合伙人。压价，让它演供应商的销售总监。招人，让它演候选人。产品要不要改，让它演你最难伺候的老用户。
场景不同，核心动作一样：把对方的背景喂进去，让AI站在那个人的位置，帮你把最难的问题先过一遍。
有一点值得多说一句。
Role Prompting的质量取决于你对"对方"了解多少。 你知道他怕什么、经历过什么、在乎什么利益，AI就能演得像。你只给一个头衔，它就只能给你一个头衔级别的套话。
这跟真实世界一样，谈判准备的质量取决于你对对手的研究深度。
推演谈判只是第一种。下面这个场景你几乎天天碰到，但大概从来没想过可以交给AI。
第二种：让AI消化文档，5分钟挖出你要的东西
技术名叫 Contextual Prompting，上下文提示。
意思是你在提问的时候，把具体的背景信息和文档内容一起喂给AI，让它根据你给的材料来判断，而不是靠它自己的通用知识回答。
AI懂的东西很多，但它不知道你的具体情况。
你把跟当前这件事有关的细节喂给它——你的行业、你的数字、你手上正在看的那份文件——它的回答才是对症的。
就像你去看病，你把症状描述得越准确，医生的判断就越靠谱。你只说"我不舒服"，他也只能让你去做全套体检。
创业者最常碰到的场景就是看文件。合同、报告、行业分析，你知道里面有你要的东西，但没时间一页页磨。
文档丢给AI，告诉它你在意哪三件事，5分钟就能拿到答案。
但这里有一个坑，大部分人都掉了进去。
总结是AI替你决定什么重要。提问是你自己决定什么重要。
你拿起一份文件是有目的的。你要做一个判断，找一个依据，排除一个风险。把这个目的讲出来，AI给你的才是你真正要的。
"帮我总结一下"是最偷懒的说法。
你等于把方向盘交了出去，AI替你挑它觉得重要的东西，而它觉得重要的和你觉得重要的，常常不是同一件事。
三种提问方式，对应三类常见文件。
第一种：决策型。看合同、投资条款、合作协议的时候用。
别说"帮我总结这份合同"。你说：这是我们跟渠道伙伴签的独家代理协议。我要弄清三件事——独家条款的边界在哪，我们还能自己开发哪些客户？对方没完成最低销售额的话，我们怎么退出？有没有对我们不利的暗坑？直接告诉我结论，标注在合同第几条。
第二种：竞争情报型。看竞品动态、行业报告、融资新闻的时候用。
别说"帮我分析这个竞品"。你说：这是竞品A最新的产品更新记录和他们CEO的采访稿。我要判断——他们的产品方向跟我们有没有正面撞车的苗头？他们在猛攻哪群客户？有没有什么动作说明他们在融资或者扩地盘？我们是做某某的，结合我们的情况给个判断。
第三种：风险排查型。看投资协议、劳动合同、供应商合同的时候用。
别说"帮我看看有没有问题"。你说：这是投资方给的Term Sheet。站在创始人的角度帮我重点查——反稀释条款对我们不利吗？一票否决权的范围是不是太宽？清算优先权的倍数和参与权设置合不合理？每个问题告诉我现在写的是什么、行业一般怎么写、我们应该争取改成什么。
三种方式的共同点就一个：你不是让AI"帮你看看"，而是告诉它你要做什么决定，让它围着你的决定来找东西。
还有一个进阶用法：AI给完分析之后，接着追。
比如AI说反稀释条款对你不利，你就问：具体哪里不利？能不能拿数字算一个场景给我看？如果我要谈，用什么理由？对方大概会怎么回？如果对方不肯改，有没有折中的办法？
每追一轮，你离拍板就近一步。
追问这件事，跟做生意一样，多问一句往往比多想一小时有用。
操作上还有三个小细节能提高准确度。 第一，说清楚你要什么格式和多长的输出。第二，提到附件的时候用文件名指代。第三，让AI标注信息出处——从哪一条哪一款扒出来的——这样你回头能查。
文档的事已经够值了。但下面这个用法，是真正让AI从助手变成分析师的那一步。
第三种：让AI分析数据，看到数字背后的方向
技术名叫Chain of Thought， 思维链，简称CoT。
意思是让AI在给你结论之前，先把它的推理过程一步一步摊出来。不光告诉你"该怎么做"，还告诉你"我凭什么这么说"。
为什么这件事重要？
AI直接回答复杂问题的时候容易蒙。但你逼它"一步一步想"，它会先列出中间步骤，每一步的结果喂进下一步，最后答案的靠谱程度会明显提高。
最简单的触发方式：在提示词末尾加一句"请逐步思考"。
技术上叫Zero-Shot CoT。
举一个例子你就知道差距有多大。
问AI：我3岁的时候，我的伙伴是我年龄的3倍。现在我20岁了，伙伴多大？
不加CoT，AI直接算：20×3=60，加上3等于63。答案63岁。错得离谱。
加一句"Let's think step by step"，它的回答变了。第一步，我3岁时伙伴是3×3=9岁。第二步，年龄差是9-3=6岁。第三步，现在我20岁，伙伴是20+6=26岁。
答案26岁。对了。
就多说一句话，结果从离谱变正确。
原因不复杂：它被逼着把每一步写出来，写的过程中自己发现了弯路，自己绕对了。这跟你让员工"把思路写出来再汇报"是一个道理——写的过程本身就是校正的过程。
对你来说这意味着什么？
你不是要AI丢给你一个"该扩团队"或者"先别扩"的结论。你要看到它怎么推出来的，才能判断这条路走不走得通。
CoT把AI从一个只丢答案的黑箱子，变成一个把草稿纸摊在你面前的分析师。
你能看到它哪一步想对了，哪一步想歪了，然后定点纠正。
不过让AI做数据分析有个坑，跟文档那个一模一样：它会端出一份齐齐整整的分析报告，每个维度都提到了，每条都是正确的废话。
原因还是那个：你没告诉它你要拍什么板。
对的做法是倒着问，从你的决策往回推。一共五层。
第一层，定义决策。我下个月要决定销售团队从3个人扩到8个人，干不干。在做这个决定之前，我得先知道现有3个人的产出到顶了没有。
第二层，上传数据，圈定关注点。以下是过去6个月的销售数据。你重点看三样：每个人的人均产出是在涨还是在掉，新客户获取成本在怎么变，不同渠道的转化率差多少。
第三层，要趋势判断，不要现状描述。这一层是CoT真正干活的地方。你说：别只告诉我数字是多少，请逐步分析——这个走势说明什么问题？照这个势头再走3个月会怎样？每一步把你的依据写出来。
第四层，要能拿去执行的建议。基于上面的分析，如果你站在我的位置，你会建议：现在就扩还是先把现有3个人的效率拧一拧？如果扩，先补什么角色？如果不扩，现有团队优先改哪个环节？给我2到3个方案，每个方案说清楚理由和风险。
第五层，压力测试。你刚才推荐的方案一，帮我想想：你整条推理里面，最脆弱的假设是哪个？如果这个假设不成立，结论会翻成什么？
五层问完，你手里拿到的不是一份好看的PPT素材。
是一个经过推理、经过自检、可以直接拿来拍板的东西。
这个结构可以搬到任何需要拍板的场景——要不要做新产品线，要不要进新市场，要不要调价，要不要砍人。
动作一样：先说你要做什么决定，再给数据，再用CoT逼它把推理过程和结论都亮出来。
回过头看这三种用法，干的是同一件事。
让AI替你做那些需要一个聪明人坐下来认真想一想的活。
见投资人之前你想找个懂行的人帮你把难题先过一遍。一堆合同里你想找个人帮你把坑挑出来。一堆数字面前你想找个人帮你看出门道。
这些人不是没有。是太贵，太难约，太看交情。
AI把这件事变成了你随时能做的事。
它不是最好的顾问，但它是一个凌晨两点你还能叫得动、而且不会因为你反复改主意就甩脸色的顾问。
前两篇讲的是怎么把需求说清楚，怎么用例子传标准。那些解决的是让AI干得更准。
这一篇往上走了一步——AI不光能帮你干活，它能帮你想事。
下一篇讲一个更反直觉的技巧：有时候你别直接问它，先绕一步，让它想明白了再答，质量能翻一倍。
