很赞同，回答问题的AI能力大幅加强，意味着回答问题能力贬值，提出问题能力变得更加宝贵
提问的能力，本质上就是分解问题、拆解开放式命题的能力
不知道什么角度去问AI一个问题 = 无法拆解一个开放式的命题
不知从何问起，往往是因为对开放性问题本身的需求或目标尚不清晰，也没有形成自己的方法论做初步系统性分解，就会出现“不知道问什么”的困境
人的关键价值是定义开放式的问题(拆解)，这一代的genAI/LLM效果有多好，完全取决于使用的人，因为需要依赖人把开放性问题变成closed loop tasks，从这一点来说，和过去的自动化工具没有任何差别
人的介入，本质上就是把开放式问题拆解/简化成closed loop question，把搜索空间收敛起来
agentic flow也就是在模拟把open ended question简化成closed domian的过程，随着算力的进步效果会慢慢变好，这个过程也会和人一起协同进化，但本质上是人把更高抽象层的开放问题简化分拆给AI
LLM的效果必须要自己的认知或者方法论到位，本质上就是拆解开放式问题的能力到位，否则问出非常抽象宽泛的问题，只会得到抽象宽泛的答案
就像谈话类节目的主持人一样，要用更深刻的问题和思考激发出更高质量的讨论，其实也是有方法论的，不需要一定对话题有很深的理解
这个角度来说，随着LLM的日益强大，谈话类节目里prompt engineering可能会退化成背景介绍和礼仪以及确认双方讲的是同一种语言，是基本的要求
