Phoenix Yin (@Phoenixyin13) “在我看来，这是6月的一场认知革命。 看完Nav Toor的这篇文章之后，我们不要把 AI 当成” — TopicDigg

在我看来，这是6月的一场认知革命。 看完Nav Toor的这篇文章之后，我们不要把 AI 当成一个会回答问题的聪明助手。 AI，是一个个能同时容纳多个互相质疑的专家。我们应该并把它们的冲突结构化，输出为具体的思考系统。 Stanford 的 STORM 系统用实验证明了，当你强迫模型从多个不同视角去研究同一个主题时，生成的文章组织性能提升约 25%，覆盖面也明显更广。 多视角不是为了更全面这种空洞的说法。 经过研究，我们会发现： 从业者看到的是现实约束和可行性 怀疑论者看到的是假设里的破绽 经济学家看到的是激励结构和利益分配 历史学家看到的是模式与周期 学者看到的是实证证据的边界 视角之间的矛盾和张力，才是真正理解发生的地方。单一视角，我们永远无法抓取。 STORM 的核心思路，就是多视角提问与矛盾处理。 原帖文简化成了4个可直接复制粘贴的提示词，供大家使用： 1. 多视角扫描：让 Claude 同时扮演5个不同专家角色，对主题给出各自解读。 2. 矛盾地图：找出这些视角之间的冲突点、为什么冲突、谁的假设更站得住脚。 3. 综合：把所有信息融合成一份结构化的研究简报（带行动建议）。 4. 同行评审：让 Claude 自己审视前面的输出，指出强项、弱项、偏见、遗漏和可靠性。 整个流程我们把原本需要博士生40-60小时的深度研究工作，压缩到了几分钟。 研究不等于收集信息。 研究应该是学会管理视角冲突。 2026年6月still 是窗口期。Nav反复强调，再过18个月左右，多视角工作流可能会变成所有主流 AI 的标配功能。 有人可能会认为，角色扮演与模型内知识模拟、缺少外部 grounding会产生幻觉，但这不是我们应该担心的。 把它们当作思考框架和盲点探测器，会让我们的每天增添非常实用、几乎零成本的认知放大器。岂不美哉？ 在信息过载、叙事碎片化的时代，这是个人认知能力被 AI 放大的最实际路径之一。