你有没有发现，同样问 ChatGPT 一个问题，有的人能得到精准深刻的回答，有的人只拿到一堆正确的废话？

博主 Sean Goedecke 最近写了一篇引发热议的文章，核心观点就一句：**大语言模型奖励专业知识。** 你在自己擅长的领域用 AI，效果远好于在不熟悉的领域。

最有说服力的例子是数学家陶哲轩（Terence Tao）公开的一段 ChatGPT 对话记录。他让模型帮忙验证雅可比猜想（Jacobian Conjecture）一个反例的构造——这是代数几何领域悬了 87 年的难题。

陶哲轩的提问方式跟普通人完全不一样：

**第一，他的提示极短、极精准。** 不说”帮我理解这个”，而是直接贴出具体的多项式映射，要求”计算雅可比行列式””验证是否为常数”。他把一半答案编码在提示词里，模型只需要填充机械性的中间步骤。

**第二，他不断质疑模型的输出。** 模型给了一个看起来复杂的构造，他说”这比我希望的要复杂”。模型建议某个方向，他不照做，而是自己提出替代方案。说白了，他把 AI 当成”不知疲倦但不可靠的研究助理”，每一步都自己验证。

**第三，他从不接受”我不知道”。** 当模型给出模糊回答时，他会换坐标系、换表示方式重新提问，直到得到可核验的具体结果。

Goedecke 把这个观察推广到编程领域：如果你对自己的代码库有深入理解（有”代码直觉”），你能把 LLM 逼出远超普通用户的效果——因为你能判断什么答案是好的、什么是垃圾。

我的判断是：这推翻了”AI 让人人变专家”的叙事。现实是，AI 放大了专业知识的杠杆效应。懂行的人用它如虎添翼，不懂行的人拿到的只是平均水平的输出。

这对普通人意味着什么？别指望 AI 替你学专业知识。在你最擅长的领域里深挖，然后用 AI 把效率放大十倍——这才是正道。

你在自己的专业领域里用过 AI 吗？感觉比外行用好多少？