一个冷不丁问出的问题，得到的也是一个冷冰冰的回答——但一个附带猜测的问题，得到的回答会针对你实际的推理，而这份差别正是大部分学习发生的地方。 先猜规则说起来很简单，压力之下却很容易被跳过：在向任何人或任何东西提问之前，先给出一个猜测，哪怕你相当确定它是错的。

为什么给出一个猜测会改变整场互动

想想看，面对一个赤裸裸的问题和一个附带猜测的问题，导师、家长或 AI 工具能做的事情有多大差别。

一句直白的「这题该怎么解？」，除了题目本身之外，几乎没给回答者任何可以利用的东西——他们必须先猜测你的水平、你可能的错误概念、以及你卡在哪里，才能开始真正给出帮助。回应最终只能是泛泛的，因为它必须覆盖你可能存在的每一种知识空缺。

一个猜测则完全改变了这一点。「我觉得答案是 15，因为我乘了而不是除——对吗？」给了回答者你确切的推理去纠正。回应现在可以变得精准：它可以直接指出「乘」错在哪一步，而不是从头把整个话题重新讲一遍。你得到了一个更好的答案，正是因为你先给出了一个较差的答案。

它会让你的推理变得可见——包括对你自己而言

还有第二个同样重要的效果，它发生在任何人回应之前。形成一个猜测的动作，会迫使你注意到自己到底在想什么，这与你以为自己在想什么是不一样的。学生常常在试图说出一个猜测的过程中，发现自己其实根本没有猜测——这本身就是有用的信息，因为它告诉你，你缺失的东西比你原本打算问的问题更基础。

这是 Professor Newton 的预测-观察-解释 已经专门为物理所做的事情的通用版本：在看到结果之前先预测一个实验的结果，然后解释你的预测与实际发生的情况之间的差距。先猜规则采用同样的结构，把它应用到实验室之外——一道数学题、一道英语作文题、一份历史史料，任何你即将请求别人替你填补知识空缺的场合。

一个错误的猜测，比被动接收到的正确答案教给你的更多

这是最反直觉的部分，值得直接说出来：以一种被说出来、具体的方式故意猜错，比在没有任何猜测的情况下直接被告知正确答案更有用。当你的猜测被纠正时，这份纠正会附着在你真实的一段推理上——你现在不仅知道正确答案是什么，还知道你自己那条通往答案的路径为什么错了，这正是提问阶梯中的诊断型层级所在的位置。而一个在没有事先猜测的情况下被动接收到的正确答案，完全跳过了这一步——你有了答案，却没有对自己思考过程的诊断。

三步流程

在当下你不需要想得太复杂。这套流程足够简短，几乎适用于任何问题：

  1. 说出问题。 你到底想搞清楚什么？要具体——「这个该怎么做」太模糊了，没法针对它去猜。
  2. 说出你最好的猜测及理由。 不只是一个答案——还有背后的理由，哪怕这个理由不太站得住脚。「我觉得是 X，因为 Y」就足够了。
  3. 然后再问。 现在把问题抛给你要请教的对象，无论是人还是工具，并附上你的猜测。

无论你是在问家长、学科导师，还是 AI 工具，这套流程都同样适用——关于当你具体面对 AI 时，先猜规则如何作为那个更大循环的开场动作嵌入其中，见问、试、再问循环。

这个习惯最容易在哪里崩溃

这条规则恰恰在最需要它的时候最容易被跳过：当你卡壳、感到沮丧时，猜测本身会感觉像是你没时间去做的额外工作。这值得抵制，因为一个没有附带猜测、匆忙问出的问题，正是你最有可能得到一个泛泛而谈、实际上解决不了你困惑的回答的时刻——这意味着你日后还会带着同样的底层知识空缺回来，只是那时耐心已经更少了。

FAQ

什么是先猜规则？

在向任何人——导师、家长、AI——提问之前，先给出一个猜测或预测，哪怕是错的。这能把一个被动的问题变成一个主动的问题，因为回答的人或工具现在有了一个具体的东西可以纠正，而不是面对一个空白的请求。

先猜规则只适用于物理吗？

不。它是 Professor Newton 在物理课上已经专门使用的一种技巧——预测-观察-解释——的通用版本。先猜规则把这套方法应用到任何科目，数学、英语、历史都可以，不只是实验。

如果我的猜测完全错了怎么办？

没关系，而且往往比猜对更有用。一个被纠正的错误猜测，比被动接收到的正确答案教给你的更多，因为纠正会落在你实际的推理上，而不是落在一个你从未描述过的知识空缺上。