我以为我懂装修报价，直到我把一份报价单喂给 AI，发现我说不清楚我为什么觉得它有问题。
去年底，一个客户把三份报价单发给我，问哪份最值得信任。我看了大概十分钟，凭直觉选了中间那份——理由是「结构最完整，单项拆得最细」。
这个判断我有信心。但我决定做一个实验：把同样的信息输给 Claude，看它会说什么。
它给出的结论和我一样。让我卡住的，是它的推导过程——它指出了几个我直觉上感受到、但从来没有清楚说出来过的东西：
三份报价的信息颗粒度明显不同。其中一份把瓦工工序细分到打底、中层、面层三步，分开报价，每一项都可以单独讨论；另外两份是合并计价，要说清楚差异，需要更多背景解释。
这三点，我都知道。但在 AI 帮我说出来之前，我从来没有用这么精确的语言表达过它们。
这是 AI 给我上的第一课：它逼你把话说清楚。
我在这个行业做了几年，积累了大量直觉性的判断。直觉不需要语言就能运作——我扫一眼报价单，脑子里会亮一个红灯，但我不一定能精确告诉你为什么亮。
问题在于，这种隐性知识没有办法被复用。你没有办法把它教给别人，没有办法写成检查清单，也没有办法在你状态不好的时候仍然可靠运作。
AI 的工作方式迫使我把隐性知识外显化——因为它只能处理我输入给它的信息。我输入越精确，它输出越有用。如果我只说「这份报价有问题」，它什么也做不了。
这个过程，本质上是一种认知的物理检查：你以为自己懂的东西，究竟能不能说清楚？
我把这件事告诉过几个同行，反应大致两种。
第一种：「AI 又不懂装修，能有什么用？」
这背后有一个误解：以为 AI 要比你更懂某个专业，才有价值。不是的。现在的大语言模型，它不比你更懂装修——但它能帮你把你懂的东西组织起来、表达出来、发现其中的内部矛盾。它的价值不在于给你答案，在于让你的思考变得可以被检查。
第二种：「你用的哪个 AI，我也想试试。」
这个反应更接近，但还差一步。AI 现在的能力边界还在快速变化，六个月前做不了的事，今天可能已经做得相当好。如果你把它当成一个功能固定的软件，你会错过它本身还在生长这件事。
2026 年，让我觉得不一样的两件事
第一，它开始能处理更复杂的推理。
早期我用 AI 改文案、写摘要——有用，但不觉得有什么本质的改变。真正让我感觉不同的，是它开始能处理有条件逻辑的问题。比如：「如果业主预算是 50 万，装修公司通常会在哪些项目上做取舍，这些取舍对最终质量各有什么影响？」
这种问题，以前需要我自己想半天，现在可以和 AI 来来回回讨论，像是在跟一个了解基本情况的同事对话。不是它更聪明，是它能跟上我的语境。
第二，它开始能嵌进工作流里。
建修行的报价逻辑，以前只活在我脑子里，或者散落在各种飞书备忘录里。现在我会定期把这些逻辑输入给 AI，让它帮我检查有没有漏洞、有没有前后矛盾、有没有我默认了但没有说出来的假设。
这不是 AI 替我思考，是 AI 帮我审计我的思考。
两件事合在一起，对一个一人公司意味着什么？意味着你可以有一个没有情绪、随时在线、不会忘上下文的思维伙伴。它不给答案，但帮你更快找到自己的答案。
装修行业的信息不对称，在我看来，根源之一是：懂行的人说不清楚。
一个有经验的项目经理，对工法有判断，对材料有取舍，对细节有坚持。但这些积累都在心里，不容易用对方能理解的语言传达出来。结果是业主只能凭感觉信任他。信任是脆弱的——一旦出现分歧，双方缺少共同语言来对齐。
AI 可以做的一件事，是把「说清楚」这件事的成本降下来。
不是让 AI 替你说，而是用 AI 帮你练习：把你知道的东西说清楚。反复练习之后，你的专业判断会开始变得可传递、可验证、可被信任。
这个能力，在一个信息越来越透明的行业里，会越来越值钱。
这是我在这里会持续写的东西。不是 AI 评测，不是工具教程，而是：我用 AI 解决了哪个具体的行业问题，我怎么做到的，我从中学到了什么。
如果你也在装修行业做事，或者你也是一个人在某个领域独立工作——我觉得这些值得你看。
❋ ❋ ❋
写完这篇初稿，我把它输给 Claude，让它找逻辑漏洞。
它指出：我说「AI 逼你把话说清楚」，但文章开头的例子里，是 AI 帮我说出了我没说清楚的东西——两件事方向有点反，让读者搞不清楚主语是谁在主动。
它说得对。我改了那一段。