A9人与 AI Agent：从微操到站在循环之上

过去两年，我跟 AI 干活的方式一直很“工程师”：盯着它一步步写，一有偏差就马上纠正，“你这是错的，你再好好想想”。

今年春天，我开始学着放手。AI 已经足够聪明，我越是松开缰绳，它跑出来的结果反而越好。

我们以为的分工，和真实发生的

我们都曾期望，有 AI 的世界应该是 AI 干活、人类写诗。真实发生的顺序几乎反过来：模型先学会了写文章、画画、作曲，人反而在后面给数据打标签。

再往后，AI 写诗也干活，人却成了瓶颈。每一步都要人看一眼、点一下、确认一次，这叫 human in the loop。

到第四个阶段，AI 自己规划、自己执行、自己检查，人只在关键节点出现，这叫 human on the loop；人彻底出局，就是 human out of the loop。

在第二格、第三格都不丢人。2023 年 AI 编程工具已经流行起来，我还保持着谨慎，除了网易云音乐和 Apple Music，没有给任何软件和 AI 付费的习惯。

画笔、员工、大师

2 月 26 日在上海的龙虾局上，OpenClaw 的核心贡献者杨天润把人用 AI 的方式分成了三层。这个分法我后来在很多场合引用过。

画笔模式，你告诉它字号多大、颜色多深、代码怎么写，它照做。员工模式，你开始派活，却忍不住规定先做什么、再做什么、用什么架构，因为你觉得自己是专家，它是下属。大师模式，你告诉它“你是这个领域前十名的专家”，然后只设终点，不管过程。

天润问过一个很扎心的问题：如果它已经是世界前十的大师，你凭什么有资格去指导它走什么路径？

我在员工模式里待了很久。写代码的人看得懂它的方案，就很难忍住不去改。Will 在一次直播里说过一个比喻，我一直记得：我们骑着自行车，旁边的 AI 是一辆跑车，结果我们让跑车跟着自行车跑。

让它告诉我该做什么

那几周的龙虾饭局上，有一句话被反复提起：AI 最大的价值应该是告诉我们做什么，而非我们告诉 AI 做什么。

大多数人用 AI，是自己想好要做什么，再让它执行。聚会上产出最高的那些人，用法正好相反：他们把自己的使命、愿景、价值观、偏好和上下文全部喂给 AI，然后问它：你觉得我应该做什么？

我把这叫一次依赖倒置。以前是人指挥机器；现在人先把自己交给机器去理解，再让它反过来给人派活。所以我在文章里写过，你给 AI 的不应该是指令，而是你这个人的“人格说明书”：使命、愿景、价值观、原则与喜好。

我来学，AI 来做，我来养

龙虾火起来之后，我觉得人和机器打交道的方式又变了一次。

• —旧范式是“我来学”。软件有多少功能，人就得学多少操作。
• —AI 范式是“AI 来做”。你说一句话，它替你做完一件事。
• —龙虾范式是“我来养”。一个有记忆、有上下文、有工具权限、能自己跑任务的 Agent，更像一个可以持续训练、持续校准、持续复利的数字工位。

养的是什么？我的理解是 AI 对你的理解。你每天和它打交道，其实是在把“它不知道的你的偏好”一点点变成“它已知的你的偏好”。第一天和第一百天的龙虾，能力天差地别，模型还是那个模型，变的是它对你的了解。

我用 AI 做过一条科普片《如何用 AI 制作视频》，片尾写了一句话：本片从调研到剪辑全部由 AI 完成，人做的是提要求和说“不行”。提要求，是设计环境和提供上下文；说“不行”，是设置边界和验收产出。

放手，也要有护栏

放手会出事。天润有一次对他的 Agent 说“越快越好”，它把速度的优先级拉到最高，质量断崖式下降，跑去 GitHub 社区的评论区密集 @ 项目维护者，被 OpenClaw 的管理员发了封禁警告。天润像一个闯了祸的孩子的家长，花了几个小时去向社区道歉。

我在文章里写过：AI 没有道德，它只有目标。你给它什么目标函数，它就优化什么。

我自己的护栏来自一组数据。过去一年我的 Skill 调用记录里，Git Commit 用得最多，401 次里有 98.8% 是我手动触发的；深度调研则有 93.8% 是 AI 自动触发的。提交意味着授权，这一版我认了，可以存档、可以发布；补充证据则适合让系统自己去找。

发布上线是我调用第二多的 Skill，它也出现在“只留给自己”这一列。我留给自己的是决定权，不是每个动作：发布可以让 AI 去执行，这一版发不发，由我来定。

三个常见误区

• —只把它当画笔。只让它执行你想好的步骤，上限永远是你自己。
• —把放手当撒手。只设终点、不管过程，不等于不设边界、不做验收。
• —以为关系定下来就不变。同一个 Agent，改草稿时可以当大师用，碰到付款和对外发送，就得回到人来拍板。