自治中学：如何以知识工作为核心来构建三明治结构，而不仅仅是代码

人工智能代理能够独立完成的工作比例，其实与模型的能力几乎无关。这取决于一种我们几乎没人接受过训练的技能，而那些掌握这种技能的人，能够让同样的代理发挥出远超常人的效能。这种技能究竟是什么，以及为何在那些本应无法交由机器处理的迭代性知识工作中，它却能发挥关键作用，答案就在于此。

你可以把一个定义明确的任务交给编码智能体，然后离开去处理其他事情，等回来时软件就已经做好了。但如果用同样的方法处理战略备忘录或市场分析报告，你得花上五分钟时间来找出其中的错误。几周前，伊桑·莫利克就指出了原因：编码智能体拥有“软件思维”，而大多数知识性工作并非如此。代码的最终成果才是权威依据，因此反馈循环很快就能完成。而对于研究、分析及战略规划而言，过程与结果同样重要，人们需要在不断学习的循环中逐步改进。至于“正确”与否的反馈信号，却无法快速出现，以至于无法简单地就将任务交出去。

他指出的那种脱节现象确实存在，但在回复他的同时我意识到自己其实早已在思考解决方案了。最大的增效点就在于对工作进行拆分：把那些真正可以重复处理的环节单独提取出来让它们自动运行，而将那些需要大量判决力的决策提前处理掉。

我之前在《牵引绳长度问题》（即在介入之前可以让智能体运行多长时间）中提出过类似的问题，但那关注的是信任与权限，也就是智能体被允许做什么。而这是另一个方面：首先，有多少工作真正可以交由智能体处理。

判决是面包，而智能代理则负责处理其中的馅料。

这一理念最清晰的阐述出自 Every 公司的基兰·克拉森，他甚至围绕它发展出了一整套方法论——即“复合工程”理念，其核心思想是每一轮工作都要让下一轮更加轻松。基兰将这一理念贯彻到了极致：他始终保持在流程中并向上级提出问题，同时信任智能体来完成具体工作环节，之后再回来对接近完成的工作进行优化。在最近的一次播客采访中，这一理念被赋予了名称：AI 三明治。人类的判决位于三明治的上下两端，而智能体则负责处理中间的部分。（我此前也在从另一个方向尝试推进类似做法，试图同时运行更多的智能体，后来才接触到这一理念并认出了它的价值。）他认为这种模式的应用范围远不止工程领域，而是涵盖了整个知识工作领域，我的研究也得出了同样的结论。不过这一模式仍存在一个未解之谜，那就是中间的部分究竟可以有多宽。

这一“AI 三明治”框架与我曾在《判决层》一文中阐述的工作分解理念不谋而合。大多数工作其实都由两部分构成：一部分是那些“正确性”能够快速被验证的可行部分，另一部分则是难以进行快速判断的、必须依靠人类决策的复杂内容。关键技能就在于如何正确地将这两者分开。判决相当于三明治的面包层，属于仍需由人类处理的部分；而填充物则对应执行与验证工作，这类工作的“正确性”可以快速得到确认，因此智能体无需人类持续干预就能按部就班地完成任务。扩大中间区域的意思就是把所有的判决功能都移到两头，这样填充物就全成了智能体可以独立处理的工作。

所有这些措施都无法让指导与审核工作消失。这就是我所说的“验证成本”：随着产出规模的扩大，审核便成了限制发展的因素。“AI 三明治”框架并不能降低这一成本，它只是将成本从会逐一阻碍工作的流程核心部分，转移到了不会造成此类阻碍的边缘部分而已。

中间部分的宽度能做到多大，这正是需要通过训练才能掌握的技能。

那么，工作流程的“中间”部分到底有多少比例可以真正实现自动运行呢？这一比例取决于你在以下三方面做得有多好：

1. 你需要把那些需要做出判决的决策单独提取出来，并提前作出决定。

2. 通过让模型依据一系列预定义的评估标准来审视计划，运用针对这类工作常见错误而设定的固定检查机制，就能在问题出现之前就让模型及时发现它们。

3. 你也会承认，有部分判决——或许占最后 10%到 20%的比例——是无法预见的，因此你会在流程末端的审核阶段让这些判决得以体现出来。

这些流程一开始并不会十分精准：你需要通过观察最终结果来判断哪里出了问题，然后将每次得到的经验反馈到最初的审查环节中，这样在问题传到你手中之前就能及时发现并解决。通过提前规划、执行、审查、优化这样的循环，工作流程的“中间部分”会逐渐变宽，因为每一次的修正都会让后续的核查更加精准。

我开始寻找自己时间究竟用在了哪里的线索。在一个月的时间里，我回顾了自己 15 次工作过程，将每一次的干预行为都归类到三类中：那些必须由人类来做出的判断（如风格定位、只有我才能掌握的实际情况），那些机械性的重复性工作（如截图、复制粘贴、处理链接），以及纠正智能体犯下的错误。其中，纠正错误所占的比例远远最高。审查环节会忽略那些我粗略阅读时就能发现的错误；而智能体则常常会自行编造出合理的解释，或是为自己已经标记出的问题找借口。

有一段时间，我将其视为一种上限：产出越多，就需要越多的审核工作。但这些修正并非随机进行的。每一次修正都是我未曾提前做出的判断，是我对“良好”标准所下的定义，而我把这个决定留给智能体去猜测，结果它猜错了。这些修正工作量，其实是我未能提前做出判断所必须付出的代价。解决的办法就是将这类判断放到流程的边缘位置，或者将其固定为常规检查项，这样就不会再出现重复的修正了。

这就是那些即便模型不断改进也依然无法被取代的部分。更先进的模型虽然能更快地处理那些可验证的中间环节，但却无法弥补那些无法及时完成的决策流程。无论创始人是否正确、时机是否成熟，甚至这项业务是否值得进入市场评估，目前都还没有可供参照的答案。从定义上来说，判断层就是不可削减的。因此，限制自主性的因素从来就不是模型本身，而是能否将判断与常规工作清晰地分开。

撰写这篇帖子的系统也运用了同样的技能。

这篇文章是由这样一个系统生成的——它由一系列小型、功能单一的工具组成，我不得不手动将它们连接起来。在初稿阶段，我会提前对所有可能出现的决策进行判断：文章要阐述什么观点、哪些内容适合纳入文章、哪些内容应该删掉。唯一不会交由机器决定的，就是这个观点是否真的值得探讨。这篇文章的初稿就犯了这个错误：它论述的内容其实我已经发表过，而真正需要做的其实是发现问题，而非写作。还有一组审核工具，会用固定的标准来逐一检查每份草稿，包括准确性、风格以及内容是否能够吸引读者。起草、审阅以及封面设计这些工作都可以在没有我的参与下完成。我只需回到几乎已经定稿的文档，稍作阅读后再做最后的完善即可。而当我对某些内容进行修正时，这些修正就会变成系统日后会自动遵循的新规则。这其实是一个学习循环——正如“复合工程”在代码处理中的作用一样，一旦错误被发现，就再不会出现同样的问题。

撰写文章属于知识型工作，而非编程任务。这一过程具有迭代性，反馈周期也很长，正符合莫利克所说的难以应用人工智能的作业类型。即便如此，它的“中间环节”仍能自动运行，因为那些需要迭代和判断的工作已被移到了流程的边缘。

其优势在于能够同时运行多个任务。

一旦将判断工作置于流程的边缘，而将核心处理部分留在中间，你就不再会成为各个智能体之间的瓶颈。这样一来，你可以同时启动多个智能体，让它们各自独立完成中间环节的工作，最后再统一处理结果，而这正是发挥真正效能的关键所在。这时，“我的智能体能在我睡觉的夜晚为我工作”这一设想就更加接近现实了。（我目前正在进一步探索，在流程最开始就制定完整的计划，让所有任务都能从头到尾自动执行，不过这得等到相关测试进行得足够久、能够给出真实反馈时再详细说明。）

这项技能正是瓶颈所在。

无论你是个人还是整个公司，限制你无法充分运用人工智能助手能力的因素，就在于将工作拆解为各个部分的这项能力，而大多数知识工作者并未掌握它。这要求你以工程师的思维方式来思考：把工作拆分开，明确“完成”的标准，预判可能出现问题的环节。正如莫利克所说，这正是我们大多数人目前还缺乏的能力。

我认为机遇就在于此。目前，要想实现工作流程中自主运行的“中间部分”，就不得不像我那样亲自构建整个系统。而这不仅限于撰写文章：无论是构建模型的分析师、撰写建议的报告撰写人，还是搜集资料的研究人员，都会遇到同样的问题，都必须手动搭建属于自己的版本。真正值得开发且值得投入支持的，是那种预先构建好并具备明确功能的模块——它能够提前确定该向用户提出什么问题，配备相应的审查机制与内置的防护措施，这样人们无需自行组装或以工程师的思维来使用它，就能直接获得服务。而具备这种能力的人才十分稀缺，正因如此，将这类能力封装成产品才是一种机遇。

因此，无论你是让自己承担更多工作而无需过度监管，还是打造能让他人也如此做的产品，关键问题从来都不是模型是否足够好，而是你将多少判断工作移到了边缘阶段，以及你所做的每一次修正究竟是在帮助系统学习，还是只是再次浪费同样的时间。