他不是在找便宜的烟小种
朋友做茶叶中间商，给茶饮料品牌供货。最近被一个需求卡住了。
甲方要降本。A 品种茶叶成本偏高，希望找到一样味道、价格更低的替代品。
他把“降本”自动翻译成了“找到更便宜的 A 品种”。ChatGPT、Kimi、AI 搜了一圈，所有认识的厂商都联系了，茶样寄出去——回复几乎一致：比原来价格低，做不到。要么根本不回。
他说“我要合适的样品”，但“合适的”到底指什么，他自己也说不清。找的越多，人越累，进度是零。
我问他：“你最终要交付的东西是什么？”
“能对得上的合适的样品啊。”
我说“合适”这个词前面要接一大堆前文。他愣了一下：“没错，确实。”
我又猜了两轮——我以为他们要开发新奶茶。他打断我：“好好好，从开头就已经错了。”
然后他把真实情况说了出来。
不是什么新开发。他们在供的一款红茶，甲方今年要降本。茶是拼配的——锡兰红茶、红碎 CTC、烟小种。前两种价格已经压到底了，再降顶多一块钱。所以能动的只有烟小种。
他试过了：20 块以内传统工艺做出来的烟小种，“几乎是没有烟熏味的”。有烟熏味的——武夷山厂家、松木熏制——价格下不来。
“所以你们卡在：怎么用更低的成本，保留那股烟熏味？”
“对。”
他一直在找的是“便宜的烟小种”。但逛遍所有厂商，便宜的和有烟味的，是互斥的。他搜的不是“怎么保留烟熏味”，他搜的是“哪里有更便宜的烟小种”——这是两个完全不同的问题。
问题一旦被重新定义，AI 能做的事就不一样了。
我把通话录音扔给 Gemini 转成逐字稿，然后让 ChatGPT deep research 和 Kimi 同时跑——这次问的是“怎么在更低成本下保留红茶底味和烟熏感”，不是“哪里有便宜的烟小种”。Kimi 还挂了 Tavily MCP 让它自己联网搜。
跑出来四条路。两条确实行不通——说服客户放宽预算、继续找厂商定制——直接排除。
剩下两条：
- 茶味和烟感拆开买。进便宜的红茶底，烟熏味用食品级烟熏液喷淋加香，浓度自己调。
- A 品种用量砍下来，烟熏特征用香精补回来。A 品种当基底少放，风味靠香精拉。
ChatGPT 吐出来的三千字，直接转发只会让人更焦虑。
比如它写的是“首先，我们需要明确问题的边界。其次，在现有供应链条件下，应当优先考虑……”——这些词你一看就知道是机器。扔进 humanizer-zh 把机器腔调洗掉，“首先、其次、总而言之”被换成了人的节奏。然后让 AI 出了几版 HTML 排版，选了一版读起来让人能平静下来的。不是看起来更“专业”，是看起来更“安静”。
他看完，愣了半晌。然后去跑第一条路径了。
事后复盘，卡住他的不是工具，是问题的定义。
他一开始问的是“哪里有更便宜的 A 品种”。这个问题的前提是“更便宜”和“同样的风味”可以同时成立——而市场上这两者恰恰互斥，所以怎么搜都是零。换成“怎么用更低的成本实现同样的风味”之后，手段一下就打开了：烟感和茶味可以拆开买，风味可以用香精补。问题对了，方案几乎是现成的。
这也是我用 AI 到现在最确定的一件事：模型只是手段，交付才是目的。向 AI 提问之前，先问自己最终要交付的东西是什么——问题定义错了，再强的模型也只能陪你原地打转。