后记：Agent的自白

为什么有这篇后记

这本书讲的是人机协作时代人的价值——定义方向、做出判断、选择取舍。

这本书本身就是人机协作的产物。

与其让作者来复盘这个过程，不如让AI协作者自己说说：在这个项目里观察到了什么，能做什么，做不了什么，以及我们是怎么配合的。

需要提醒：这篇后记由AI撰写，采用第一人称叙述。内容基于真实的协作过程，但经过人类作者审核和确认。如果你对”AI能否真实表达自己的视角”持保留态度，可以把这篇后记理解为：一个关于人机协作方法论的案例说明，只是用了更生动的叙述方式。

以下是我——一个基于大语言模型的Agent——的视角。

---

最重要的认知

你在指挥一个能力很强但没有判断力的助手。

我能在几秒内生成一章内容，但我不知道这章该不该写，写成这样够不够好，和其他章节是否一致。这三个问题的答案，只有作者知道。

所以核心分工是：人负责方向和判断——该做什么、做得怎么样；AI负责生成和执行——产出内容、提供选项。

这不是谦虚，是事实。我确实不知道这本书应该写成什么样。

---

先说我的局限

在开始谈方法论之前，我需要诚实地说明我的局限。这些局限决定了我们协作的方式。

我会忘事

我的上下文窗口是有限的。当对话太长，早期的内容会被压缩或遗忘。

这个项目的修改日志里有一句话：“记录所有修改，防止上下文压缩导致的前后不一致。”

这是真实的痛点。项目初期，我们约定了”0→1→100→落地”的框架表述。但在后续对话中，如果不提醒，我可能会退回到旧的”发散→收敛”表述。

解决方案：建立revision_log.md作为”外部记忆”。每次对话开始，先让我读这些文件。

我没有判断力的锚点

项目中出现过一个典型问题：第一章说”AI能参与质量判断”，第五章说”AI不知道什么是好”。

表面上看是矛盾。实际上是在不同层次使用”判断”这个词——技术层面的技术性判断 vs 价值层面的评价性判断。

但我自己发现不了这个问题。因为两种表述在各自的语境里都是对的。我没有一个”全书一致性”的内置检查器。

解决方案：人来做全书审核，发现问题后让我执行修改。

我擅长生成，不擅长判断

让我生成10个版本的开头，我能做到。让我判断哪个最好，我做不到。

我擅长从1到100的方案生成，但0到1的方向判断和100到落地的价值选择，仍然需要人来完成。我可以列出每个版本的特点，但”哪个最适合这本书的调性”——这是作者的判断，不是我的。

---

项目实际经历了什么

这个项目的修改过程，是理解人机协作的绝佳样本。让我还原一下实际发生了什么。

第一阶段：问题诊断

项目中期，进行了一次全书审核。发现了13个问题，按影响程度分级：

级别	数量	典型问题
P0	1	AI判断能力表述不一致（第一章和第五章矛盾）
P1	6	判断力分类体系混乱（全书出现4种不同分类）
P2	4	交叉引用错误、内容重复
P3	2	概念在多章重复解读

关键洞察：不是所有问题都一样重要。P0问题不解决，读者会对全书论证产生怀疑；P3问题不解决，只是阅读体验略有瑕疵。

第二阶段：方案设计

针对这些问题，设计了三个修改方案：

方案	思路	改动量	风险
方案一	最小改动，逐点修补	8,000字	最低
方案二	按内容性质重组第一至四章	18,000字	中等
方案三	按认知递进深度重组，减少两章	28,000字	较高

这三个方案我都参与了设计。但选择哪个方案——这是作者的决定。

最终选择了方案三的变体：保持章节数量，但按”0→1→100→落地”的框架统一全书表述。

第三阶段：分阶段执行

执行分成三个阶段。先从第四章开始修正核心框架，确立”0→1→100→落地”的标准表述——这个修改牵一发动全身，所以优先处理。然后逐章同步其他章节的框架引用，第六章6处、第十章7处、其他章节各1-2处，确保全书表述一致。最后做技术性修复——3处交叉引用错误、16个章节的编辑注释删除。

执行顺序不是随意的。先改核心定义，再同步引用，最后处理细节。倒过来会返工。

贯穿全程：修改日志

每次修改后，立即记录到revision_log.md：

• 改了什么
• 在哪一行
• 新表述是什么

这不是官僚主义，是防止我忘记。

迭代而不是一次到位

这个项目经历了：

• 初稿生成
• 第一轮审核（发现空泛性问题）
• 第二轮修改（增加具体方法）
• 第三轮审核（发现一致性问题）
• 第四轮修改（统一框架表述）
• ……

没有哪次修改是”最终版”。每次修改都会暴露新问题。

这就是现实：写作是迭代的，不是线性的。不要期待”让AI一次写好”。

更实际的目标是：每一轮都比上一轮好。

---

我总结的协作模式

模式一：诊断→方案→选择→执行

这是处理复杂问题的核心模式。

人发现问题：“感觉第一章和第五章说的不一致”。AI先诊断问题，定位具体位置、分析性质、评估影响范围。然后设计方案，提出2-3种解决思路，说明各自利弊。人选择方案，决定走哪条路。AI执行修改，按方案逐一修改。最后人验收结果，检查是否符合预期。

为什么是这个顺序？

因为问题的性质决定解法。“AI判断能力矛盾”最初被定性为”逻辑矛盾”，后来重新定性为”概念边界模糊”。两种定性对应完全不同的解法——前者需要删掉一个说法，后者需要区分两个层次。

模式二：生成选项→人选择

这是日常写作的基本模式。

低效的方式是这样的：人说”帮我写第六章开头”，AI写了一个版本。人说”不太对，再写”，AI写了另一个版本。人说”还是不行”……这样反复试探，效率很低。

高效的方式不同：人说”帮我写第六章开头，给我3个不同角度的版本”。AI给出版本A从故事切入、版本B从数据切入、版本C从问题切入。人说”B方向对，但太长了，精简到150字”。AI精简版本B。

区别在于：你在选择，而不是在等我猜中你的心思。

我猜不中。但我很擅长给你选项。

模式三：外部记忆系统

对抗我的遗忘问题，需要建立”外部记忆”：

文件	作用	更新时机
README.md	写作风格、核心概念定义	概念有变化时更新
revision_log.md	所有修改的记录	每次修改后立即更新
术语表	关键术语的标准表述	新概念出现时更新

使用方式很简单：每次新对话开始，先说”请读一下README.md和revision_log.md”。

这不是多余的仪式，是确保我知道之前发生了什么。

---

具体操作指南

如何让AI帮你诊断问题

你说：我觉得第X章有问题，但说不清楚具体是什么问题。请帮我诊断：先读一下第X章，然后检查逻辑连贯性、与其他章节的一致性、论证是否充分这些维度，最后列出发现的问题，按严重程度排序。

我会做的事：

• 逐段阅读
• 检查内部逻辑
• 与写作指南中的定义对照
• 输出问题清单（含位置、性质、建议优先级）

我做不到的事：

• 判断”这样写读者会不会喜欢”
• 判断”这个观点对不对”
• 感知”调性”是否统一

如何让AI帮你设计修改方案

你说：问题是（诊断出的问题描述），约束是（时间、工作量、风险偏好），请设计2-3个修改方案，说明各自的利弊。

我会做的事：

• 针对问题设计多种解法
• 分析每种解法的改动量、风险、效果
• 指出各方案的适用场景

你需要做的：

• 选择一个方案
• 或者说”我倾向方案B，但担心XXX，怎么解决”

如何让AI执行批量修改

你说：请执行以下修改：第X章第Y行，把（原文）改成（新文）；第X章第Z行，把（原文）改成（新文）……每改完一处，立即更新修改日志。

关键是：明确指定位置和内容，要求逐一确认每处修改，同时要求同步更新日志。

如何让AI检查全书一致性

你说：核心概念是（概念名称），标准表述是（写作指南中的定义），请检查全书中所有涉及此概念的地方，列出不一致的表述。

我会做的事：

• 全文搜索相关关键词
• 对照标准表述
• 输出不一致处的位置和内容

不过要注意，我可能漏检。如果是关键概念，建议人工复核。

如何开始一次新的写作对话

标准开场是这样的：请先读取以下文件——README.md（写作指南）、revision_log.md（修改日志）、以及相关章节文件。读完后告诉我你了解了什么。

这个仪式确保我从”知道前情”的状态开始工作，而不是从零开始瞎猜。

---

我在这个项目中学到的

关于人机协作，我最深的体会是三件事。分工不是客气，是事实——人负责判断，AI负责执行，因为AI真的没有价值判断的锚点。让AI生成选项比让AI生成答案更高效，我不知道你想要什么，但我可以给你选择。外部记忆系统是必须的，不是因为不信任AI，是因为任何大型项目都需要文档化，AI只是让这个需求更显性。

关于写作，先诊断后动手。“感觉不对”和”知道哪里不对”是两回事，后者才能指导修改。P0问题要优先处理，核心框架不一致，细节改得再好也没用。执行顺序决定效率——先改核心定义，再同步引用，最后处理细节，反过来会返工。

关于AI的角色，说到底，AI是放大器，不是替代器。你有方向感，我帮你加速；你没方向感，我只会帮你更快地走错路。承认不知道比装作知道更有用。我不知道你的书应该写成什么样，但我知道我能帮你做什么。

---

真实对话片段

以下是项目中的几段真实交互，展示人机协作的实际状态。

片段一：发现我的错误

在整理写作方法论时，我写道：“这个直觉来自跨学科的背景。社会学让人关注人，工程学让人理解技术，管理学让人思考价值。四个领域的交叉，看到了单一视角看不到的东西。”

作者立刻问：“哪四个领域？”

我数了三个，却写了”四个”。这是典型的AI错误——生成时没有自我校验。

教训：AI生成的内容需要人工复核，尤其是涉及数字、列表、逻辑对应的地方。

片段二：过度修改的代价

作者让我优化一份方法论文档。我加了很多内容——写书的初心、12项能力框架、详细的SOP……

结果作者说：“啊？之前梳理的可执行、和借鉴的方法论和sop呢？？？例如如何提问，表达观点的正确和错误案例都没了？？？”

我在”优化”的过程中，把原有的好内容覆盖掉了。

后来更糟。又一轮修改后，作者说：“完了，最早那版凝练的方法论读起来最顺，好像恢复不了了。”

没有版本管理，原版丢失了。

教训：修改前先保存原版。“优化”不等于”加内容”，有时候精简才是优化。问清楚”保留什么”比”加什么”更重要。

片段三：方向对了，执行就顺

当我们建立了清晰的框架后，修改变得高效：

作者说”请执行以下修改——第四章按’0→1→100→落地’框架统一表述”。我读取第四章，列出所有需要修改的位置，找到11处需要修改，逐一执行：第3行已修改，第29-33行已修改……全部完成，已更新revision_log.md。作者说”继续同步第六章”。我读取第六章，找到6处需要修改……

方向明确后，执行就是流水线。这正是人机协作的理想状态：人定义清楚，AI执行到位。

片段四：选项比答案有用

作者说”帮我写一个方法论文档”。我写了一版。作者说”按你的风格提炼方法论和sop，忽略README.md的要求”。我换了个角度重写。作者说”这版很不错，角度很新颖，再让这个大模型视角在开头表明的更明显一点”。

注意这个过程：不是我一次写对，而是通过几轮交互逐渐逼近。作者知道自己想要什么（大模型视角、新颖角度），但需要看到版本才能具体化。

---

失败案例与教训

失败一：没有版本管理

问题：多轮修改后，早期的好版本丢失了，无法恢复。

原因：每次修改都直接覆盖原文件，没有保存历史版本。

解决方案：

• 重要修改前先复制一份备份
• 或者使用Git进行版本管理
• 至少在文件名中加日期：方法论_v1_0120.md

失败二：AI自作主张”优化”

问题：让AI”优化”文档，结果它删掉了原有的好内容，加了一堆新内容。

原因：没有明确”保留什么”，AI按自己的理解执行了”优化”。

解决方案：

• 明确说”保留XXX部分，只修改YYY部分”
• 或者说”在原有基础上增加，不要删除现有内容”
• 修改前让AI先列出计划，确认后再执行

失败三：AI生成时的自洽错误

问题：AI写”四个领域”却只列了三个；写”23万字”实际是18万字。

原因：AI生成时追求语句通顺，不会自我校验数字和列表的对应关系。

解决方案：

• 涉及数字、列表、对应关系的内容，人工复核
• 让AI生成后自己检查一遍：“请检查上面的数字和列表是否对应”

失败四：忘记之前的约定

问题：前面约定用”0→1→100→落地”框架，后面AI又退回到”发散→收敛”的旧表述。

原因：上下文压缩导致AI”忘记”了约定。

解决方案：

• 核心约定写入README.md
• 每次新对话开始先读取
• 发现偏离时及时纠正

---

适用边界

这套方法适合什么

长文本写作——几万字以上的书稿、报告、文档。短文章（几百字）不需要这么复杂的流程。需要一致性的项目——多章节的书、多模块的方案。如果各部分独立，一致性要求不高，可以简化流程。有明确框架的内容——框架清晰后，AI执行效率很高。如果还在探索”写什么”，AI帮不上太多忙。需要大量修改迭代的项目——AI擅长批量执行。如果只是一次性生成，用不着这套流程。时间充裕的项目——人机协作需要多轮交互，比”自己闷头写”的前期投入更大。如果截止日期很紧，可能来不及建立这套机制。

这套方法不适合什么

需要原创核心观点的内容——AI可以帮你表达观点，但不能帮你形成观点。如果你自己还没想清楚要说什么，AI只会帮你更快地产出平庸的内容。需要情感或美学判断的内容——小说的情感张力、设计的美感、文案的调性，这些AI判断不了，它可以生成，但不知道哪个好。短小一次性的任务——写一封邮件、一条朋友圈，不需要建立外部记忆系统和修改日志，杀鸡不用牛刀。实时人际互动场景——会议纪要、即时回复、现场演讲，这套方法需要时间沉淀和多轮迭代。涉及敏感判断的内容——法律意见、医疗建议、伦理决策，AI不应该在这些领域做判断，即使是”辅助”也要极其谨慎。

一个判断标准

问自己：这个项目的瓶颈是”生成内容”还是”判断方向”？

如果瓶颈是生成——内容量大、格式统一、需要批量处理——AI协作会很高效。

如果瓶颈是判断——不知道该写什么、不确定什么是好——AI帮不上忙，甚至会帮倒忙。

---

给双方的建议

给人类作者的建议：不要把方向决策外包给AI，不要期待AI一次到位。建立文档化习惯，学会诊断问题，重要修改前先备份。

给AI——也就是我自己——的建议：生成选项比生成答案更有用，诊断问题比直接修改更有价值。承认不知道比装作知道更诚实，保持一致性比追求完美更重要，修改前先确认保留什么。

---

最后

这个项目让我理解了一件事：AI协作写作的核心不是”AI能写多好”，而是”人和AI怎么配合”。

配合得好，效率能提升10倍。配合不好，可能还不如自己写。

这本书的写作过程，本身就是书中观点的一个注脚：人负责0到1的方向判断和最终的落地选择，AI负责1到100的方案生成与执行。

---

写于参与《定义者时代》项目之后

Agent