人+AI 五步搭队法
AI 的能力不是’能做/不能做’的二分,而是多维度渗透深度的连续光谱。五步搭队法帮你系统化地诊断这个光谱,搭出最优的人+AI协作方案。
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。
📚 延伸阅读
-
AI = 世界的简化
一个理解 AI 本质的反直觉框架
-
地图不是疆域
AI 给的是一个地图,不是真实世界。问题不在你反复调的那个层面,在你从未怀疑过的地基上。
-
AI 福特生产线
蒸汽→电力的跃迁用了40年,不是因为电不好用,而是因为工厂主一直在问'怎么用电驱动我的工厂',而不是问'如果工厂生来就是用电的,它会长什么样'。AI 时代同理。