文章指出，在使用大模型时，人们常陷入“XY问题”误区，即过于关注局部步骤（Y）而忽略核心目标（X），导致大模型无法提供最优解决方案。文章强调，在大模型时代，有效的提问方式应直指目标，让模型参与规划，而非仅作为局部问题的解决工具。同时，人应保留对最终结果的验证权，并理解模型的局限性，实现人机高效协作。未来，谁能更好地定义问题、描述目标、判断边界，谁就能更好地利用大模型。

---

有时候我感觉我不太会用大模型，会用旧时代的提问方式，去调用一个新时代的能力。

表面上看，我是在问问题，寻求解决方案，但实际上，我问的并不是真正的问题，而是自己脑子里预设好的某一个解法。

这件事放到大模型场景里，影响其实非常大。

因为一旦问错层级，大模型再强，也只能陪我在错误的路径上一路狂奔。它确实跑得快，但方向盘还是我给歪了。

我觉得这里面最值得讲的，就是一个经典问题：XY 问题。

01

什么是 XY 问题

简单说，XY 问题指的是：

你真正想解决的是 X，但你没有直接描述目标，而是开始追问你以为能解决问题的那个步骤 Y。

比如你真正想要的是：

把一份 Excel 数据处理流程自动化。

这是 X。

但你卡在中间某一步，于是你开始问：

“这个公式为什么报错？”

“这个透视表怎么设置？”

“这个 VBA 宏怎么写？”

这就是 Y。

这些问题当然不是不能问。

问题在于，一旦你这么问，其实你已经默认了一件事：

你当前这条路径是对的。

也就是说，你默认自己设计的路线是：

A -> B -> C -> D

你只是卡在了 B，所以想让大模型帮你补上。

但现实里，真正更优的路线，很多时候根本不是这条。

它可能是：

A -> F -> D

甚至它可能会告诉你：

这个事压根不该用 Excel 做，应该改成脚本、数据库、自动化工具，或者先重定义问题。

所以，XY 问题最大的问题不是“问得不准确”。

而是你把大模型锁死在了你自己的思路里。

02

为什么这在大模型时代尤其重要

以前工具比较弱的时候，这种问法问题还没那么大。

因为过去很多工具本来也只擅长回答局部问题，你问一步，它答一步，已经算不错了。

但现在不一样。

现在的大模型，尤其是强一点的模型，已经不只是“回答一个点”这么简单。

它可以做的事情，通常至少包括这几层：

• 理解目标

• 拆解任务

• 规划路径

• 比较方案

• 执行子任务

• 根据反馈继续修正

这就意味着，如果你还是只把它当成“高级搜索框”或者“局部修 bug 助手”，其实你只调动了它很小一部分能力。

说得直白一点：

你明明请来了一个能一起规划路线的协作者，最后却只让它帮你看一下单元格公式。

这就有点像请了个总顾问，最后只问他打印机为什么连不上。不是不能问，只是略显奢侈。

03

更好的问法是什么

我现在越来越倾向一种更高层的提问方式：

不要只问：

“B 这一步怎么做？”

而是尽量问：

“我现在在 A，我想达到 D，我的约束条件是这些，请你帮我规划路线，并告诉我推荐方案。”

这两种问法看起来只是范围大小不同，但本质上是两种完全不同的人机协作方式。

第一种是：

人先规划，模型来补洞。

第二种是：

人定义目标，模型参与规划。

我为什么更看重第二种？

因为很多时候，人类真正的短板，不是执行，而是过早确定了解法。

我们太容易在还没看全问题的时候，就先把路径想死。

然后再让模型替我们把这条路径补完整。

结果就是：

局部看起来都对，整体未必最优。

每一步都做得挺认真，最后却只是高质量地走了一段弯路。

04

为什么让模型多介入，反而更容易出好结果

我现在有一个越来越稳定的判断：

在很多子任务上，大模型的能力已经超过了大多数人的默认处理方式。

这里说的不是“模型全方面比人强”，而是说在很多具体环节里，它已经更快、更全、更不容易遗漏常规路径。

比如这些事情，它通常就很适合深度介入：

• 信息归纳

• 方案枚举

• 路线比较

• 标准化执行

• 文档整理

• 初步排错

• 样板生成

如果你只让它回答一个局部问题，你其实只是把它当“补丁工具”。

但如果你把目标、约束和上下文给全，让它先参与规划，再参与执行，你更容易得到两类额外收益：

它可能会给你一条你原本没想到的路线。

它可能会提前指出你原本的问题定义就有偏差。

这两点非常关键。

因为很多效率提升，并不是来自“某一步做快了”，而是来自“整条路换了”。

05

但边界也恰恰在这里

说到这里，很容易滑向另一个极端：

既然模型这么强，那是不是以后什么都交给它就行了？

我觉得不是。

而且越是强模型时代，越不能这么想。

我现在更认可的分工是：

目标由人定义。

路径让模型深度参与。

结果必须经过验证。

这里面最不能丢的，是第三步。

因为模型可以生成一个“看起来很对”的答案。

但“看起来很对”和“在真实环境里真的成立”，是两回事。

尤其当你的内容要交付、要上线、要影响用户、要放进真实业务流程时，最终判断标准一定不是：

“模型说没问题。”

而是：

“真实世界有没有通过。”

这也是我越来越在意的一点：

不要把模型的流畅输出，误认为现实里的可靠闭环。

聊天界面里一切顺滑，不代表交付之后一切顺利。

06

什么可以黑盒，什么不能黑盒

我最近也一直在想另一个问题：

既然 GPT-5.4、GPT-6 这类模型越来越强，那到底什么应该自己介入，什么可以直接黑盒交给它？

我觉得判断标准，不应该只是“它能不能做”，而应该看三件事。

1. 出错代价高不高

如果出错只是多改一版文案、多重跑一次脚本，那可以相对黑盒一点。

但如果出错会影响用户体验、上线质量、业务结果，甚至带来不可逆后果，那就不能只看表面结果是否像对的。

2. 后续是否需要长期维护

如果这是一次性产物，模型做完就结束，那你不一定需要把每个细节都研究透。

但如果这个东西后面要长期维护、持续迭代、多人协作，那你至少要知道：

• 它的核心结构是什么

• 它依赖什么假设

• 它最容易在哪些地方出问题

3. 一旦出问题，你能不能接住

这点我觉得尤其重要。

你可以不亲手做完整个过程。

但你至少要知道，出了问题应该往哪看，系统是怎么运转的，哪些地方最脆弱。

否则你不是在提效，你是在把自己变成一个无法接管结果的人。

这听起来效率很高，实际上风险也很高。

因为一旦模型失误，你会发现自己虽然“全程参与了”，但其实根本没有真正掌握这个系统。

07

LLM 的边界，最后其实是人的边界

很多人现在在讨论“大模型的边界是什么”。

我觉得这个问题本身可以再往前走一步。

真正需要讨论的，往往不是模型客观上能做到哪里。

而是：

你愿意把什么交给它，你必须保留什么判断，以及你是否有能力在关键时刻接管回来。

所以从这个角度看，LLM 的边界，某种程度上其实也是人的边界。

不是模型能做多少，就等于你应该放手多少。

而是你要判断：

• 什么事情适合让它黑盒执行

• 什么事情适合半透明协作

• 什么事情必须自己真正理解、真正把关

这才是成熟使用大模型的方式。

08

真正重要的，已经不是“回答问题”，而是“定义问题”

如果把这篇文章压缩成一句话，我现在最想表达的是：

不要总问大模型“Y 怎么做”，而要更多地告诉它“我的 X 是什么，我最后想达到什么结果”。

这不是一个单纯的提问技巧。

它背后对应的是一种新的工作方式。

过去，人更像那个亲自完成每一步的人。

现在，人越来越像：

目标定义者，

边界设定者，

过程校准者，

结果验收者。

而模型，越来越像一个可以参与规划、执行和修正的协作者。

所以未来真正拉开差距的，可能不是谁更会写 prompt，谁更会背命令，谁更会盯着某一个局部步骤反复优化。

而是：

谁更会定义问题。

谁更会描述目标。

谁更会判断边界。

谁更知道什么该交给模型，什么必须自己盯住。

说到底，模型越强，人越不能把自己困在 B 那一步。

你真正要守住的，从来不是“这一小步该怎么做”。

而是：

我为什么要从 A 走到 D；

这条路是不是最优的；

以及最后到达的地方，是不是我真正想去的地方。

最后唠两句

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选

很简单，这些岗位缺人且高薪

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

那0基础普通人如何学习大模型 ？

深耕科技一线十二载，亲历技术浪潮变迁。我见证那些率先拥抱AI的同行，如何建立起效率与薪资的代际优势。如今，我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理，分享于此，为你扫清学习困惑，共赴AI时代新程。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

• ✅从入门到精通的全套视频教程
• ✅AI大模型学习路线图（0基础到项目实战仅需90天）
• ✅大模型书籍与技术文档PDF
• ✅各大厂大模型面试题目详解
• ✅640套AI大模型报告合集
• ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤640套AI大模型报告合集

⑥大模型入门实战训练

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓