一、引入

你拿到一个任务,第一反应是什么?

“这个交给 AI 做吧。“或"这个 AI 做不了,得人来。”

这两种回答的隐含假设是:AI 的能力是二分的——能做,或者不能做。

但实际经验告诉我们,事情没那么简单。同一个 AI,写诗可能惊艳,算微积分可能翻车;做可行性分析可能条理清晰,做战略判断可能方向全偏。

AI 的能力不是"有/无"的二分,而是多维度渗透深度的连续光谱。

问题在于:大部分人的决策方式,仍然是靠感觉——“这次感觉它能行"或"上次它在这类问题上翻车了”。

这个工具的价值:给你一套系统化的五步流程,让你每一次分配任务时,都能有据可依。

二、核心——五步搭队流程

问题 → AI能力打标 → 能力缺口诊断 → 人侧需求推导 → 组织形态决策
Step1     Step2          Step3            Step4            Step5

Step 1:问题定义(三维标注)

拿到一个问题,先不要想"谁来干”。先想"这是个什么问题"。

用三个维度来标注:

D1:搜索空间

定位 特征 例子
有限 ✅ 有明确的搜索范围和目标函数 修复一个已知 Bug、从 1000 条数据中找出异常
混合 ⚠️ 部分明确、部分开放 设计一个促销方案(目标明确,创意空间开放)
无限 ❌ 需要创造新概念、新框架 定义一个新赛道、提出一个理论

D2:知识跨度

定位 特征 例子
单域 ✅ 只需要一个专业领域 写一段合规代码
跨域 ⚠️ 需要 2-3 个领域交叉 用心理学解释经济学行为
广域 ❌ 需要大量跨领域整合 制定企业数字化转型战略

D3:验证链长

定位 特征 例子
短链 ✅ 从条件到结论几步可走 判断题、单选题
中链 ⚠️ 需要 5-10 步推理 根因分析、方案评估
长链 ❌ 需要 20 步以上推演 架构设计、长期战略推演

Step 2:AI 能力打标(五维评估)

对 AI 在当前问题上的能力做系统评估。核心看两个维度:

L:能力表现谱系

级别 AI 角色 人类角色
L1 竞赛级推理 独立解题 旁观/验证
L2 有限搜索优化 大规模搜索 定义问题+筛选
L3 半自主文献挖掘 执行已知方法论 确认+验证
L4 人机协作发现 灵感引擎 方向引导+筛选
L5 跨域方法迁移 联结无关领域 识别值得联的方向
L6 反驳已知直觉 构造反例 事后分析+重构

M:自我改进层级

级别 含义
M0 无改进——同样错误反复犯
M1 显式纠偏——指出后能修正
M2 模式识别——自己发现同类问题
M3 方法论蒸馏——从经验中提炼规则
M4 范式内化——规则变成直觉
M5 元范式生成——创造新的方法论

常规问题只需评估 L+M。如果问题是迭代型或扩张型(需要多轮交互),补充评估以下三个维度:

B:行为边界

  • B0:无边界——AI 自行其是
  • B1:可约束——给出明确规则后能遵守
  • B2:自律——模糊场景下自行判断

T:任务调度

  • T0:无序执行——忽视优先级
  • T1:可排序——人能标注 P1/P2/P3
  • T2:自主排序——自动判断优先级

S:策略多样性

  • S0:单方案——只输出一个"最佳"方案
  • S1:多方案兜底——人推动后能提供多个
  • S2:自动兜底——自主铺多个方案并行

Step 3:能力缺口诊断(双向)

将 Step 1 + Step 2 合并,同时问两个问题:

正向:人需要补什么?

AI 短板信号 需要人补什么 可观测特征
D1=无限 提出新方向/新概念 曾创建被验证的新框架、新分类
D2=广域 跨界判断力 曾跨领域结合并产生效果
D3=长链 长逻辑链维持 设计过多步方案、处理过多层因果链
M 低 方法论抽象 留过复盘记录、写过流程规范

反向:人需要阻止 AI 做什么?

AI 倾向 需要人做什么
B=0 建立禁令体系——明确什么不能做
T=0 强制标注优先级——不断再校准
S=0 推动多方案——不止步于第一个答案
急于完步 推动"先跑通再优化"的分步策略
持续修补 推动降维重构——拆掉重来

Step 4:人侧需求推导

从 Step 3 的缺口反推你需要什么样的队友:

需要补的能力 可观测信号(面试/历史中找)
提出新方向 曾提出并被验证的新框架、新概念
跨界判断 曾将自己的领域经验与其他领域方法结合
长链推理 处理过多层因果链故障、写过复杂架构
方法论抽象 留下过复盘文档、培训材料
减法判断 有推动降维重构的记录
边界定义 能设计有效的禁令规则

Step 5:组织形态与协作节奏决策

基础形态

问题特征 + 能力评分 推荐形态 说明
D1=有限、D3=短链、M 高 纯 AI 不需要人介入
D1=有限、需跨域、M 中等 单人+AI 一个人配合 AI
D1=无限、D3=中长链 微团队(2-5人) 多背景交叉验证
高不确定性、新领域 多角色+多 Agent AI+人并行探索

协作节奏

问题动态性 推荐节奏 说明
静态问题(一次解决) 一次性 一次定义→一次执行→一次验证
迭代型(多轮试错) 高密度闭环 每轮 3-15 分钟,快速反馈
扩张型(逐层深入) 散装触发 解决一层→发现下一层→再触发

三、快速自检清单

准备把一个任务分配出去时,按这个顺序跑一遍:

□ Step 1:用 D1/D2/D3 标注问题特征
□ Step 2:评估 AI 的 L+M(需要时补 B/T/S)
□ Step 3:正向缺口 — AI 缺什么能力?
□ Step 3:反向缺口 — AI 需要什么约束?
□ Step 4:我需要什么样的队友?
□ Step 5:选组织形态 + 协作节奏

走完这六步,你不再是"感觉它能行",而是有了一张决策地图。

四、进阶——三个常见误区

误区 1:直接让 AI 干,不先定义问题

最常见。拿到任务直接丢给 AI,然后对其输出要么全盘接收,要么全盘否定。

→ 正确做法:先跑 Step 1,搞清楚这是个什么类型的问题,再决定怎么用 AI。

误区 2:只评估 AI 能力,不评估 AI 边界

AI 能力再强(L5),如果边界意识弱(B0),可能自行其是做出格的操作。同样,T(任务调度)和 S(策略多样性)对迭代型问题同样重要。

→ 正确做法:迭代型问题必须评估 B/T/S,不能只看 L+M。

误区 3:只有 1 个人,就觉得做不了多角色协作

单人+AI 不等于"人单打独斗"。如果只有一个人,但你有多个不同时段的输入源(不同项目的笔记、录音、思考快照),AI 能有效串联这些非同步输入,实现"伪多角色"效果。

→ 正确做法:检查你的输入源多样性,而不是只看人数。