有些问题，值得您先自己卡住再问 AI
您在设计一个实验。第一个念头刚冒出来——「这个对照组该怎么设」——手指已经先于脑子动了：新建对话框，把问题打进去，等 AI 给您一份方案。
十秒后，一份看着挺周全的设计到手了：三个对照、两个时间点，连样本量都给了建议。您扫一眼，觉得没毛病，复制走人。整个过程里，那个本该由您自己拧一拧的问题——「我到底在控制哪个变量、为什么偏偏是这三个对照」——您一次都没真正想过。
这不是偷懒，大多数时候您甚至没意识到发生了什么。可一旦每次卡壳的第一反应都是「先问 AI」，有件事会在暗处进行：您越来越快地拿到答案，越来越慢地长出判断。真正的问题不是该不该用 AI，而是哪些问题该先自己想到卡住再问，哪些可以张口就问。这条线分不清，您的判断力会一点点退化——而退化的整个过程，您几乎没有痛感。
探索和执行，是两类不该混为一谈的问题
不是所有问题都值得您先自己想。得先把它们分成两类。
一类是执行：查一个函数的参数、把宽表转成长表、确认某个术语的准确译法、把引用改成目标期刊的格式、把您已经想清楚的思路捋通顺。这些直接问，越快越好，自己憋着没有半点意义——它们不长本事，只耗时间。
另一类是探索：这个研究问题值不值得做、这套实验设计站不站得住、这个结果可不可信、两条技术路线该选哪个。这些才是您真正要长判断力的地方，也恰恰是最容易被「先问 AI」偷走的地方。
分辨它们有个朴素的办法，问自己一句：这件事我做十遍，第十遍会比第一遍更有判断力吗？ 会，就是探索类，值得先自己想；不会——纯机械、纯查证——就是执行类，直接问。查参数您查一百遍还是查参数；可实验您每设计错一次，下次就多一分警觉。这个差别，就是该不该先想的分界线。
判断力是自己踩出来的，不是听来的
探索类问题为什么不能一上来就问？因为判断力的长法很特别。
它不是知识。知识可以现学现查，判断力不行——它是一种「大概知道哪里有坑」的直觉，只能从「自己下过判断、又被现实纠正」里长出来。您亲手设了一组对照，漏掉一个混杂变量，数据出来一团乱，回头复盘才明白那个变量为什么非控不可——正是这个有点疼的过程，把这条经验焊进了您的直觉。下回再看别人的方案，同样的坑您一眼就认得出来。
如果每次都是 AI 把周全方案直接递到手上，您跳过了「下判断」，也跳过了「犯错」，等于把长本事那一步整个略过。这就像学游泳：别人的动作看得再多、姿势讲得再头头是道，一下水照样呛。判断力是水里呛出来的，不是岸上看会的；而 AI 递给您的，永远是岸上那份讲解。
退化是慢性的，当场没有告警
这件事最麻烦的地方，是它不疼。
退化会从两头一起来。一头是您越来越离不开 AI：一碰到要判断的地方就本能地伸手，久了，连「让我先自己想想」这个念头都不再冒出来。另一头更危险：您越来越看不出它什么时候在胡说。因为识破 AI 的错，靠的正是您自己的判断力，而这个能力正因为长期不用而萎缩。到某个点，AI 递来一个有问题的设计，您脑子里已经没有那根弦提醒您「这里不对劲」。两件事互为因果，一起往下滑。
而且全程没有告警。您不会某天早上醒来，忽然发现自己不会设计实验了。您只会觉得 AI 越来越好用、自己用得越来越顺手——顺手到某一天，审稿人指出一个漏洞，一个三年前的您一定会自己发现的漏洞。那一刻您才隐约意识到，有些东西早已不知不觉交了出去。
先判断，再校验：给自己留一道工序
好在，防住这件事不必让您少用 AI，只要把顺序倒过来一点。在探索类问题上，给自己立一条规矩：先写下自己的答案，再去问它。 落到具体，有几条可以照做。
- 先下判断，再开对话框。 哪怕只写一句「我觉得该加 X 对照，为的是排除 Y 的干扰」，写完再问。带着自己的答案去对照，和空着脑子接一个答案，长出来的东西完全不同——前者您在验证、在修正自己的思路，后者您只是在抄。
- 把 AI 当陪练，别当代打。 让它挑您方案的毛病，而不是替您出方案。「这是我的实验设计，请找出三个最可能被审稿人质疑的点」，远比「帮我设计一个实验」有用——前者逼您先有方案、还练您接招，后者让您从头到尾不必动脑。
- 想到卡死再问，别一皱眉就问。 允许自己卡上五分钟、十分钟。卡住本身是有产出的：您在这段里把问题的边界摸清了，把死路一条条试过了，这时候再问，您才问得出好问题，也才看得懂它答得对不对。
- 校验这一关，自己扛。 结果可不可信、结论敢不敢写进论文，这最后一道判断不外包。查证可以借工具——比如带出处、能点回原文的检索式问答，让每一条依据都回溯得到原始文献——但「信还是不信」这个终审，留给自己。工具帮您把证据摆齐，拍板的还得是您。
不是反 AI，是别把自己练废
这套约束，落点不在「少用」，而在「用对地方」。
执行类的活，该甩就甩，甩得越干净越好——查参数、改格式、跑标准流程这些琐事交出去，您才腾得出脑子去想那些真正值得想的。要守的只是那么几件「越做越有判断力」的事，别让它们在顺手之间被一并打包送走。
有个朴素的检验，可以时常拿出来照照自己：假如明天断网，AI 全都用不上，您还是那个能独立设计实验、能一眼看出结果不对劲、能为一个结论拍板负责的研究者吗？ 如果这个答案一年比一年虚，那不是 AI 太强，是您把本该自己练的东西交出去太多了。
把探索留给自己，把执行交给它。一件好工具真正的样子，是把您变成一个越来越离得开它的人——而不是哪天它不在，您连路都不会走了。