屏幕上的光标闪了几下。我让模型把一段方案改得简洁些，它没有立刻给出成稿，而是先问：读者是谁，哪些信息不能删？这个停顿很短，却把“下指令—收结果”的惯性打断了。工具开始反问，协作才真正开始。
不是把任务丢过去
很多人谈人机协作，习惯把它等同于提效：更快生成、更少返工。但具体到一次写作或分析，机器能接住的往往只是被拆清楚的部分。目标含糊时，它会给出一份看似完整、实则难以判断的答案；约束没说明时，它只能用平均口味填空。停顿的价值就在这里：它逼人先想清楚任务边界。
我现在更愿意把工作拆成几段：先交代背景和读者，再说明不可动的条件，然后让它提出两三个可选方向。不是每次都要走完，但这个过程比“给我一版”有用。机器并不替我做决定，它把含糊处提前暴露出来。
追问是一种界面
反问之所以重要，不是因为机器更懂人，而是它把隐藏前提摆到了桌面上。一个好的追问，能让需求从形容词变成可操作的句子。比如“写得自然一点”没有标准，追问之后可能变成“少用术语，多写具体动作，段首不要重复”。这时人机协作的重心，从生成结果转向校准问题。
当然，追问也会制造新的负担。问题太多，人会烦；问题太浅，又像在走流程。所以真正有用的不是无止境确认，而是抓住少数会改变结果的分歧点。哪些信息缺失会让方向跑偏，哪些细节可以边做边补，这需要人来判断。工具可以提醒，但不能替人决定什么值得问。
判断留在人这边
当生成变得容易，审阅反而更费神。一段文字通顺，不等于事实可靠；一个方案完整，不等于适合当前场景。人机协作里容易被忽略的，是“谁对最后那一下负责”。机器可以给出多个版本，可以指出前后矛盾，也可以把风险列出来，但它不知道组织里未写明的顾虑，也无法替人承担承诺。
所以我会保留几个动作：让模型先复述任务，看看它理解成了什么；要求它标出不确定的地方；在成稿后自己再读一遍，删掉那些正确却没用的话。这些动作不显眼，却决定了协作是停在演示层，还是进入日常。
停顿也是产出
效率工具容易让人产生一种错觉：只要输入足够快，输出就会足够好。可真实工作里，很多返工来自一开始没问清。机器反问的那几秒，看起来降低了速度，实际上把后面的修改提前了。它不是替人思考，而是让人不得不思考。
人机协作不会因为模型变强就自动顺滑。它更像一种需要练习的对话：说清楚要什么，承认哪里不知道，保留最后的判断。光标还在闪，下一次它再反问时，也许可以慢一点回答。