夜里，编辑把一段由模型生成的初稿拖进文档。读起来通顺，信息也八九不离十。改到第三段，她停住了：这句话是自己想说的，还是模型顺着上下文猜的？她往回翻，找不到中间版本，只能从头再读一遍。时间没有花在写作上，花在辨认上。
这个停顿很小，却点出人机协作里常被跳过的一层。人们习惯问模型能不能写、能不能画、能不能回答，却很少问：当它把结果交给人时，交接处有没有留下痕迹？
问题往往不在模型这一侧
把任务交出去，并不等于协作已经发生。一个可用的流程至少要说清三件事：谁设定目标，谁处理例外，出错后从哪里退回。模型可以承担展开、归纳、改写、检索式整理这类步骤，但目标是否成立、语气是否合适、事实是否需要核对，仍要由人来判断。
这听起来像分工表，实际更像一次持续协商。同一个写作任务，上午可能需要模型多给结构，下午只需要它检查前后矛盾；同一个人，有时愿意接受粗糙草稿，有时只想让机器做校对。人机协作的难点不在模型能不能完成，而在这些边界会不会被及时说出来。
把中间状态露出来
模型输出带有概率性，界面若只呈现一个干净答案，人会不自觉地把它当成结论。稳妥的做法，是让中间步骤可见：哪些句子由原文改写，哪些段落来自模型补全，哪些地方存在不确定表述。可见不等于可读，提示也不能淹没正文。设计者要做的，是在关键节点放一个轻量标记，让人能停下来判断。
可回退同样重要。一次生成留下版本，一次修改保留差异，一次拒绝能够说明原因。这些机制不显眼，却决定了人敢不敢把任务交出去。没有回退路径，人机协作就会退化成反复重来；有了回退路径，人才可能把精力放在判断上，而不是守着手动操作。
- 任务开始前，写清交付物和不可触碰的边界。
- 过程中保留可检查的中间产物，不只看最终文本。
- 出现例外时，允许人接管，并记录接管原因。
哪些环节该留给人
不是所有步骤都适合自动化。高责任、低容错、需要解释缘由的场景，人应保留决定权；重复、可校验、低风险的环节，可以交给机器先行处理。这里的分界不靠口号，靠对错误的承受能力。一个错字可以改，一次对外承诺却很难收回。流程设计要承认这种差异，而不是用同一套自动化规则覆盖所有任务。
也要警惕另一种偷懒：把协作当成“人加机器”的加法，仿佛只要工具在场，效率就会自然发生。实际情形往往相反，工具越顺手，越需要把检查点、责任归属和退出机制写清楚。否则，人会把判断外包给默认选项，机器则在不该继续的地方继续生成。
回到那个改稿的夜晚。她真正需要的不是另一个更长的草稿，而是一眼能看懂的修改痕迹，以及一个可以退回的节点。人机协作成熟与否，或许不看机器替人做了多少，而看人还能不能看懂、改回、说清。交接处被照亮之后，协作才真正开始。