见过这样的场面：有人对着输入框敲下“帮我写个方案”，等十几秒，看完输出，皱眉，说一句“太虚了”，然后关掉窗口，换个工具再来一遍。重复几次之后，得出一个结论：这东西也就那样。
问题也许不在输出端。那句“帮我写个方案”里，没有对象，没有场合，没有篇幅，没有已有素材，也没有说清自己不想要什么。人把一件自己都还没想清楚的事丢过去，期待对方替自己想清楚，这其实是在许愿，还算不上协作。
损耗都发生在交接处
两个人合作，误解多半出在交接的地方。你说“要活泼一点”，对方理解的活泼可能和你差着十年。人机协作也一样，只是这种偏差不会被对方迟疑的表情提醒，它安静地发生，最后以一段平庸的文字呈现出来。
所以真正要先做的，是把默认信息摆到明面上：给谁看，用在哪里，哪些是已知事实，哪些是希望对方补的，哪些是绝对不能出现的。可以先把这些写下来，再动手写要求：
- 读者是谁，他关心什么、已经知道什么
- 这段文字最终出现在哪里，多长，什么口吻
- 手里已经有哪些材料、数据和反例
这些东西在自己脑子里是模糊的一团，落到纸面上，才会发现漏洞。
它擅长接话，不擅长猜心
模型的工作方式，本质上是顺着已有的上下文往下接。上下文越具体，接得越贴合；上下文是空的，它只能给出一个平均值——挑不出错，也读不出人味。很多人抱怨的“AI味”，有一半其实是“空输入味”。
这就引出一个不太符合直觉的结论：想让它写得具体，人得先具体。把草稿、数据、反例，甚至自己不成熟的判断都摊开，它才有东西可接。藏着掖着，怕被带偏，结果往往是拿到一份谁都能写的稿子。
判断力该留在哪一边
有些环节不适合交出去。涉及取舍的、涉及责任的、涉及“这句话发出去会不会让人不舒服”的，都在人这边。工具可以给十个版本，选哪个、改哪句、什么时候先不发，仍然是人的事。
一种可行的分工是：让机器承担展开、铺陈、找反例、换角度这些耗时的活儿，人负责定方向、把关、拍板。人机协作真正难的地方不在技术，而在于人愿不愿意在中间那段反复里多待一会儿——多改一轮，多问一句，多指出一处“这不是我要的”。
一点不太乐观的观察
有人把协作理解成“我少干点”。短期看确实省力，长期看，省掉的往往是思考本身：不再需要把想法组织成清晰的句子，因为对面大致能懂；不再需要自己想例子，因为它随手就能给。久而久之，“说不清楚”的毛病不会消失，只是被遮住了。
也有另一种用法：把它当成一面镜子，专门照自己表达里的含糊。写完一段要求，先看它能不能被一个不了解背景的人读懂；读完输出，问自己哪一句是我说不出、却确实想说的。这种用法费劲，但留下的是自己的东西。
人机协作最后会长成什么样，现在下判断都太早。能确定的是，一段好的协作关系里，双方都得把话说清楚。跟人如此，跟机器也一样。