（注：本文为小报童精选文章。已订阅小报童或加入知识星球「玉树芝兰」用户请勿重复付费）

疑惑

你有没有遇到过这样的情况？

当你把一道复杂的数学题、一段报错的代码，或者一个需要严密逻辑推理的难题扔给 AI 时，它总是「秒回」。那一瞬间，你心里可能还会暗自赞叹：「哇，这速度真快！」可是当你满怀期待地仔细检查答案时，却发现里面漏洞百出。

因为大模型的底层是个文字接龙引擎，而不是个推理机器。所以如果你需要复杂问题的高水平答案，就不能只指望着它用思维系统 1 直出结果，而得靠着系统 2，也就是深度推理思考来处理。

这几年 AI 的推理能力在进步，确实，现在的 AI 比起两年前 GPT-4 时代，推理能力要强了很多。但代价是回答所需时间。从 OpenAI 的 o1 时代开始，稍微复杂一点的问题，基本上就是几分钟起步。到后来我使用 ChatGPT 5 Pro，等个 10 来分钟都是常事儿。

我停掉 ChatGPT Pro 订阅，并不是因为它的答案不够好，而是它的时效性实在是难以满足我的需求。那种感觉就像是你饿得前胸贴后背，点了一份外卖，结果骑手告诉你「您的订单正在精心制作，预计两小时后送达」。等它到的时候，你或许早就饿过劲儿了。

当我刚 看到 Google 发布 Gemini 3 Deep Think 模式的新闻时^[1]，说实话，我是非常无感的。

价格非常贵。目前只有 Google AI Ultra 订阅计划能用，而 Ultra 的月费嘛，每个月 250 美元。再加上之前被「慢思考」模式折磨的经历，我对这类产品天然就带着一种警惕。

不过，在 X 平台上，Gemini 3 Deep Think 模式还是收到了很多积极的评论。

看来这些评价，要说我这个科研工作者 / 工具折腾爱好者没有心动，那是假的。

于是，咬咬牙，咱也试用一个月。充一把冤大头又何妨？

一开始，我实际上没有什么靠谱方式，就是漫无边际地瞎试。我让它帮我研究比较严肃的问题，比如 Transformer 架构的模型什么时候会能力见顶。然后让它说明  Gemini 3 Deep Think 到底有什么用。我甚至还让它帮助我把「浪浪山小妖怪」化成 3D 模型。

实话实说，对于这些问题，Gemini 3 Deep Think 这玩意儿的真正用处不大，没有给我带来任何的惊喜。它答出来好像跟每月 20 美元的 Gemini 3 Pro 没有什么本质上的区别，四平八稳，无功无过。

收了这么多钱，你就…… 这点儿本事？

不过，事实很快证明，是我的用法不对。

转机

我周一下午写博客文章的时候，又写不下去了。

这篇文章基于我 12 月 5 号在南开大学的讲座。主持人李颖老师提了一个好问题，当时时间紧没能展开，我 6 号就试图把这个问题的答案系统全面整理出来。我沿着当时讲座的时候回答的思路来写，让 Dessix （得斯空间）帮我找出相关的学术文献作为印证补充。我越写越觉得，内容着实是充实而丰富了，但实在是改不下去。因为读起来虽然有道理，但是着实没啥新意，甚至越改越往陈词滥调上面狂奔。

我所面对的，不是一个平时教程中尝试解决的「如何去做」的问题；而是一项大家都在热议的新技术，在研究领域里适用性和边界的思辨。这种文章，逻辑稍微有一点瑕疵，就会被专业读者抓住把柄，贻笑大方。

抱着「死马当活马医」的心态，我把写到一半的文稿扔给了 Gemini 3 Deep Think，让它帮我看看问题出在哪里。

结果，它几乎是立刻就指出了一个致命伤。文章里有一个核心的逻辑混淆：我不能因为 AI 在「数据生成」环节不可靠，就否定它作为「研究方法」的合理性。因为「研究方法」还包括「数据分析」这个环节，而 AI 在数据分析上是完全可以胜任的。

虽然我在讲座回答中也说明了这一点，但可能偏重了有人误用 AI 作为数据收集来源的显著问题。这就导致了论证上偏颇。

Gemini 3 Deep Think 给出的诊断非常清晰，一共指出了三个明显的逻辑瑕疵。

第一个是定义层面的混淆，把「AI 不能做被试」的缺陷，错误地否定了「AI 作为研究方法」的合法性；第二是归因不够彻底，它指出 AI 不靠谱的根本原因是其「概率性」，也就是不具备确定性、不可复现，而不能坍缩为我文章里写的简单的「讨好」或者「童年阴影」之类的比喻；第三个是论据力度的缺失，它建议我应该引入 2024 年刊登在《Nature》上的重磅研究所提出的「模型崩溃」（Model Collapse）理论，以有力论证 AI 数据训练 AI 会导致模型退化和现实扭曲，这比单纯说「不规范」更具说服力。

这还不算，它干脆给出了修改后的文章全文。

之前文稿当中，我利用大模型帮我找到的那些相关文献支撑的链接，都得到了很好的保留。

然后它用「红绿灯」的方式给出了非常清晰的边界，说明哪些是可以做的，哪些是不可以做的。

最后的反思也是言简意赅，保留了我原先在讲座当中指出的意思。还把它升华了，提出了 AI 作为「元工具」的概念。

看到这个输出的时候，我是有点震惊的。这些意见，真正切中了我文章的要害。它像一个严格但公正的老师，不是简单地告诉你「这里不对」，而是告诉你「为什么不对」，以及手把手教你「应该怎么改」。

不过，它给出来的这个新版文章虽然清晰明快，但没有保留我的写作风格。我把修改版拷贝回了 Dessix，然后让 Dessix 以我之前的文章作为背景材料，换用我的风格再次输出。

你看，这里生成的结果，立即就图文并茂了。

引用、加黑、加粗、保持链接，都做得非常完美。

我当然不会直接把这样的结果呈现给读者。所谓文责自负，这里就体现出来了。之前我让 Dessix 帮我查找论述证据，现在我得验证这些证据（主要是参考文献）的真实性。

我一一点击这些文献资料原始链接，并且把它存到了 Youmind 里面。然后我还专门编写了一个 Youmind 快捷方式「事实核查」。只要用户把相应的引用结合文章 pdf 作为上下文输入，这个快捷方式就会调用 AI agent，判定这里的引述是否恰当。甚至它还进一步去 pdf 找支撑原文片段所在位置，给出译文。这样做的目的，当然是为了避免它幻觉出一篇文章虚拟的引用。

上图例子中，Youmind 判定我的引用是正确的，并且详细给出原文、译文和位置出处。

我这个手工验证过程怎么样？认真不？细致不？

当然，除了文献引用的核查，我也对整体文字手工进行了调整与润色。原始文稿描述从 AI 采集主观意见数据，因为是「无中生有」，所以 Gemini 使用了「造物主」这样的词汇，我觉得有些太过狂傲，所以把它改成了「永动机」这样更为贴切的表述。

整体工作都做完以后，我觉得文稿已经非常靠谱了。按照我以往的习惯，这个时候就应该准备发布了。但是我觉得「买了不用就是亏本」，所以再次找到 Gemini 3 Deep Think，帮助我做一下责任编辑，从中找一找是否还存在瑕疵。

检验

这个提示词没有任何复杂的，我直接贴在这儿：

我原本以为 Gemini 3 Deep Think 会给我找出一些错别字，纠正一些日期时间之类的问题。但结果却与我的构想大相径庭。