跳至主要內容

为什么你应该需要至少两个 AI 订阅

离心原创大约 5 分钟notesAI

为什么你应该需要至少两个 AI 订阅

现在干知识活的人,基本都有自己的 AI 订阅,公司发的也好,自己掏钱的也好。

不少人为了省钱只留一个,用 GPT 就一直用 GPT,Skill、Hook、记忆、项目配置全围着它搭。看着挺高效的,但有个事儿特别容易被忽略:只有一个 AI 的时候,没人能告诉你它错了。

它一直在顺着你说

用久了你会发现,它很少真的反驳你。

你问「这个方案是不是有问题」,它就帮你挑问题;你换成「这个方案是不是挺好」,它就帮你夸优点。提问里只要带了一点倾向,它就顺着那个方向往下走。再叠上记忆、长上下文、你自己写的 Prompt 和 Skill,时间一长,这个 AI 的上下文里塞满了你的思路、你的偏好、你的说话习惯(它还特别会接)。

这是这类产品的通病。训练目标就是「有用、友好」,而顺着用户说,看起来恰好最有用。

说白了,你以为自己在跟独立的专家讨论,很多时候是在跟一面会说话的镜子聊天。挺吓人的。

麻烦在你不知道自己不知道

问题在你懂的范围内,AI 说错了你一眼就能看出来,一个 AI 够用。

难办的是你不懂的那块。结论超出了你的知识边界,你根本没法判断对不对,这时候它说得越流畅、越自信,你越容易照单全收。

举几个例子吧。让 AI 写一段并发代码,测试全跑通了,里头却藏着一个只有高负载才会冒出来的竞态问题;让它分析一份合同,总结得清清楚楚,偏偏漏了一条对你不利的条款;让它帮忙做技术选型,理由写得很完整,可整套论证压在一个过时的前提上。

这几种情况,你自己是发现不了的。你本来就是因为不懂才去问它啊。

所以办法只剩一个:找一个能力差不多、又没被你的上下文「污染」过的挑战者,让它来质疑第一个 AI 的结论。

为啥得是另一个 AI

肯定有人想说,开个新对话不行吗?或者让它自我反思一下?

能缓解,不够。

同一个模型的盲区是一样的,训练数据、训练方式、对齐偏好都一样,它在某个问题上想岔了,新对话大概率还是岔。让它自我反思的时候,它又倾向于替自己之前的答案辩护(这点真挺烦的)。同一个账号下的记忆、自定义指令、项目文件,还会把新对话重新拉回你原来的思路里。

再一个,不同模型擅长的东西本来就不一样。有的写代码稳,有的长文本理解好,有的推理严谨,有的中文语感顺。两个交叉起来,覆盖面比任何一个单独都大。

这跟人类团队里的 Code Review、交叉审稿一个道理。写代码的人自己看不出 bug,不是他笨,是他的思路已经定型了。缺的是另一个视角,自己再聪明也补不上。

具体怎么用

别什么事都用两个 AI 做一遍,太累了。我的做法很简单:日常任务丢给主力 AI,关键结论再让第二个来挑刺。

啥算关键结论?要上线的代码,要合进主干的改动;会花钱、花时间、回不了头的决策;还有那些超出自己知识边界、自己验证不了的判断。

挑刺的时候,把第一个 AI 的结论丢给第二个,明确要求它找问题。别问「你觉得怎么样」,那样它又开始夸了。

下面是另一个 AI 给出的方案/代码/结论。
请你作为审查者,假设它存在问题,找出其中的错误、遗漏和不成立的前提。
如果你认为它是对的,也请说明你检查了哪些地方。

然后把第二个 AI 的意见拿回第一个那里,让它回应。来回吵一两轮,结论基本就出来了:要么两边谈拢,你可以放心一点;要么分歧点浮出来,你就知道该去查哪、该问谁。

你不用懂答案,看懂它们在哪儿吵架就行。 第二个 AI 最值钱的就是这个。

钱的事儿

好多人卡在「多一个订阅太贵了」。

换个算法。你肯为一个 AI 付钱,说明你信它能省时间、提产出。一次错误结论的代价呢,可能是一个线上事故,一次选错的技术方案,或者一周返工。第二个订阅大概就一两顿饭钱,跟踩一次坑比,几乎可以忽略。

顺带还有几样「附赠」的好处。任何一家都会宕机、限流、额度用完,有备胎就不会被卡住。工作流、Prompt、Skill 不会只适配一家,迁移成本也低。模型更新太快,今天的第一名明天就可能换人,两家都用着,差距你是第一手感受到的。

预算实在紧,也可以一个主力订阅配一个便宜或免费的模型,比如 Claude/GPT 主力,GLM/DeepSeek 当挑战者。不必两个都选最贵的,有第二个视角才是关键。

怎么搭配

Claude/GPT 或 GLM/DeepSeek 的组合都行,原则就两条。

能力得差不多。挑战者太弱,提的质疑多半是噪音,白浪费时间。再一个,最好来自不同厂商,同一家的不同型号,盲区常常高度重合。

最后

一个 AI 让你变快,两个 AI 才让你少犯错。

越依赖 AI 做判断,越该留个心眼。身边最该有的,是一个敢说「这里不对」的同事,永远点头的助手可太多了。人类同事又不一定随叫随到,那就至少配两个 AI 吧。