深夜改方案的人大概都经历过:把一段需求丢给模型,几秒后屏幕上出现一版结构完整、语气得体的文字。你读一遍,觉得“差不多”,却又说不清哪里不对。改几处,再让它重写,来回几轮,最后留在文档里的那一版,既不完全出自它,也不完全出自你。
这个来回试探的过程,才是人机协作真实发生的地方。它不像演示里那样——人下指令,机器执行,干净利落。更多时候是它猜你想说什么,你判断它猜得对不对。
提议权与决定权不在同一边
很多讨论把重点放在能力有多强,可落到日常工作里,真正影响结果的往往是另一件事:谁拥有最终的决定权。
模型擅长的其实很明确:快速铺开可能性。它不疲惫,不怕被否定,几秒钟就能换五种写法。人不擅长这个——人会累,会先入为主,会在第一版上锚定。但人有一件模型目前做得不好的事:判断这个方案在这个场合合不合适。同一句客套话,发给熟人和发给第一次合作的客户,分量完全不同。这类上下文常常没被写进提示词,甚至写不出来。
所以比较稳的分工是让它负责提议,人负责确认。提议可以有很多个,确认只能有一个。一旦这个顺序反过来——人先接受,再回头找理由——协作就变成了替自己找台阶。
被打断的那几秒
效率提升并不呈线性。用过一段时间的人会发现,工作被切成了小段:等待、阅读、判断、修改。等待那几秒看着是空的,却把人从连续思考里拽了出来。连续思考很贵,一旦断了,重新进入状态的成本常常比省下的时间更高。
于是有人开始调整用法:不让它参与每一步,只在卡住的时候叫它。比如对着空白页写不出开头,让它先扔几块砖过来,砸不砸得中另说,至少有了可以否定的东西。否定比从零开始容易得多。
这也解释了一个现象:同一个工具在不同人手里,效果差别很大。差别往往不在提示词写得多漂亮,而在是否清楚自己哪一步真的需要外援。
出错之后,话该由谁说
人机协作里最容易含糊的一段,是出错之后。工具不会道歉,也不会解释它为什么给出那个答案。它能生成一段听起来很自信的理由,但那不等于它真实的推理路径。
所以结果交出去之前,最好留一道人工关口。不是为了免责,而是为了让“我确认过”这句话有实际内容:这段东西从哪来,为什么这么写,如果错了会错在哪一环。答不上来,说明确认这一步其实没做。
衡量一次协作是否成立,也许不看省了多少时间,而看做完之后,人对这件事的理解有没有比之前更清楚一点。如果只是把判断权换成了速度,那省下的时间,迟早要在别的地方还回去。