1.2 从工具到同事：人与 AI 智能体的新关系

三阶段演进

人类与 AI 的关系正在经历深刻转变。我们可以用三个阶段来描述这种演进：

工具阶段：AI 作为被动执行器。你输入指令，它返回结果，没有任何主动性。传统的计算器、搜索引擎、电子表格都是这种模式。每次交互都是独立的，系统不记得你之前做过什么。

助手阶段：AI 具备上下文理解能力。ChatGPT 就是典型代表。它能理解你说的话，保持对话上下文，提供建议和解释。但本质上，它仍然是被动响应式的——等着你发起每一次交互。

同事阶段：AI 具备自主性与判断力。它不仅能响应请求，还能主动规划、执行多步骤任务、使用工具，在必要时寻求人类指导。

当代 AI 智能体正处于从助手向同事过渡的阶段。我们在本书中学习的 Opencode 等工具，已经展现出部分同事式的能力，但仍需要人类的指导和监督。

这种转变改变了我们使用 AI 的方式：

从指令到目标：不再给出每一步的具体指令，而是设定高层目标，让 AI 自主规划实现路径
从执行到协商：AI 可以提出建议、表达不确定性、请求澄清，而非机械执行
从同步到异步：AI 可以独立工作一段时间，人类不需要实时监督每一个动作
从完美期待到容错设计：承认 AI 会犯错，设计系统使其能够检测和恢复错误

三种协作模式

在实际工作中，人与 AI 的协作可以采用不同模式，取决于任务特点和风险等级：

辅助模式（Assist）：人类主导，AI 提供建议。人类做所有决策，AI 提供数据、分析、选项供参考。人类可以完全忽略 AI 的建议。适用于高风险决策，比如医疗诊断、法律判决、重大投资决策。

金融场景示例：AI 分析市场数据并提供投资建议，人类投资经理做最终决策；AI 标记可疑交易，人类分析师确认是否为欺诈。

增强模式（Augment）：人类规划，AI 执行。人类设定目标和制定计划，AI 负责执行具体步骤，人类在关键节点审核和调整。AI 在预设范围内有一定自主权。

金融场景示例：人类设定投资策略规则，AI 自动执行交易；人类定义报告模板和要求，AI 生成报告内容。

自主模式（Autonomous）：人类设定目标，AI 自主完成。人类只定义最终目标和约束条件，AI 自主规划、执行、评估、调整。人类只在例外情况或完成时介入。

金融场景示例：高频交易系统在预设参数内自动运行；自动化合规检查系统。

协作模式	人类角色	AI 角色	适用场景
辅助模式	主导执行	提供建议	高风险、需专业判断
增强模式	规划决策	执行细节	中等复杂度、可分解
自主模式	设定目标	自主完成	低风险、高频率、规则明确

选择哪种模式，需要考虑风险等级、任务频率、是否需要专业判断、时间压力、AI 可靠性等因素。一个原则是：风险越高，人类参与度应越高。

指挥者心态

与 AI 高效协作，需要一种新的心态。我们称之为指挥者心态（Commander Mindset）。

一个有用的比喻是：把自己定位为老板，把 AI 当作一个强大的执行团队。老板不需要知道每件事怎么做，而是思考和设置宏观流程、指挥团队收集信息、让团队深度思考和制定计划、把控方向并验收结果。

具体来说，指挥者的职责包括：

战略层面：定义任务目标和成功标准；设计宏观工作流程；做关键决策和方向判断；分配资源和确定优先级。

执行层面：审核 AI 制定的计划；在关键检查点验收结果；提供反馈和修正指导；处理 AI 无法解决的例外情况。

一个重要原则是先探索后执行：

信息收集阶段：让 AI 先搜索、阅读相关资料
规划阶段：让 AI 制定执行计划并呈报
审核阶段：人类审核计划，提出修改意见
执行阶段：批准后让 AI 执行
验收阶段：检查结果，提供反馈

这种方法避免了 AI 在信息不足时盲目行动，减少返工，保持人类对流程的掌控。

Effective Vibe Coding 简介

Vibe Coding 由前 OpenAI 研究员、特斯拉 AI 负责人 Andrej Karpathy 在 2025 年初的技术分享中提出，描述了一种新的人机协作范式：用 AI 完成工作，而你只是把握感觉（vibe）。

但这不意味着人类完全放手。人类的角色从亲自执行转变为：描述意图和需求、审核生成的内容、测试和验证结果、指导迭代优化。

有效的 Vibe Coding 遵循一个核心循环：提示 → 生成 → 评估 → 优化

提示（Prompt）：清晰描述需求和上下文
生成（Generate）：AI 产出代码或内容
评估（Evaluate）：人类评估输出质量
优化（Optimize）：基于反馈迭代改进

这个循环可能重复多次，直到达到满意的结果。

本章只是简要介绍这一理念。第 2 章将详细展开 Effective Vibe Coding 的完整方法论和操作流程。

知识卡片

人在回路（Human-in-the-Loop，HITL）是一种设计模式，在 AI 决策的关键环节引入人类审核。它不是用人类替代 AI，而是创建一个协同生态系统：AI 处理计算密集型任务，人类提供判断和伦理推理，双方协作达成单方无法实现的结果。

--- title: "1.2 从工具到同事：人与 AI 智能体的新关系" --- ### 三阶段演进 ![人机关系三阶段演进](images/img_03_human_ai_evolution.png) 人类与 AI 的关系正在经历深刻转变。我们可以用三个阶段来描述这种演进： **工具阶段**：AI 作为被动执行器。你输入指令，它返回结果，没有任何主动性。传统的计算器、搜索引擎、电子表格都是这种模式。每次交互都是独立的，系统不记得你之前做过什么。 **助手阶段**：AI 具备上下文理解能力。ChatGPT 就是典型代表。它能理解你说的话，保持对话上下文，提供建议和解释。但本质上，它仍然是被动响应式的——等着你发起每一次交互。 **同事阶段**：AI 具备自主性与判断力。它不仅能响应请求，还能主动规划、执行多步骤任务、使用工具，在必要时寻求人类指导。当代 AI 智能体正处于从助手向同事过渡的阶段。我们在本书中学习的 Opencode 等工具，已经展现出部分同事式的能力，但仍需要人类的指导和监督。这种转变改变了我们使用 AI 的方式： - 从**指令**到**目标**：不再给出每一步的具体指令，而是设定高层目标，让 AI 自主规划实现路径 - 从**执行**到**协商**：AI 可以提出建议、表达不确定性、请求澄清，而非机械执行 - 从**同步**到**异步**：AI 可以独立工作一段时间，人类不需要实时监督每一个动作 - 从**完美期待**到**容错设计**：承认 AI 会犯错，设计系统使其能够检测和恢复错误 ### 三种协作模式在实际工作中，人与 AI 的协作可以采用不同模式，取决于任务特点和风险等级： **辅助模式（Assist）**：人类主导，AI 提供建议。人类做所有决策，AI 提供数据、分析、选项供参考。人类可以完全忽略 AI 的建议。适用于高风险决策，比如医疗诊断、法律判决、重大投资决策。金融场景示例：AI 分析市场数据并提供投资建议，人类投资经理做最终决策；AI 标记可疑交易，人类分析师确认是否为欺诈。 **增强模式（Augment）**：人类规划，AI 执行。人类设定目标和制定计划，AI 负责执行具体步骤，人类在关键节点审核和调整。AI 在预设范围内有一定自主权。金融场景示例：人类设定投资策略规则，AI 自动执行交易；人类定义报告模板和要求，AI 生成报告内容。 **自主模式（Autonomous）**：人类设定目标，AI 自主完成。人类只定义最终目标和约束条件，AI 自主规划、执行、评估、调整。人类只在例外情况或完成时介入。金融场景示例：高频交易系统在预设参数内自动运行；自动化合规检查系统。 | 协作模式 | 人类角色 | AI 角色 | 适用场景 | |----------|----------|---------|----------| | 辅助模式 | 主导执行 | 提供建议 | 高风险、需专业判断 | | 增强模式 | 规划决策 | 执行细节 | 中等复杂度、可分解 | | 自主模式 | 设定目标 | 自主完成 | 低风险、高频率、规则明确 | 选择哪种模式，需要考虑风险等级、任务频率、是否需要专业判断、时间压力、AI 可靠性等因素。一个原则是：风险越高，人类参与度应越高。 ### 指挥者心态与 AI 高效协作，需要一种新的心态。我们称之为指挥者心态（Commander Mindset）。一个有用的比喻是：把自己定位为老板，把 AI 当作一个强大的执行团队。老板不需要知道每件事怎么做，而是思考和设置宏观流程、指挥团队收集信息、让团队深度思考和制定计划、把控方向并验收结果。具体来说，指挥者的职责包括： **战略层面**：定义任务目标和成功标准；设计宏观工作流程；做关键决策和方向判断；分配资源和确定优先级。 **执行层面**：审核 AI 制定的计划；在关键检查点验收结果；提供反馈和修正指导；处理 AI 无法解决的例外情况。一个重要原则是先探索后执行： 1. 信息收集阶段：让 AI 先搜索、阅读相关资料 2. 规划阶段：让 AI 制定执行计划并呈报 3. 审核阶段：人类审核计划，提出修改意见 4. 执行阶段：批准后让 AI 执行 5. 验收阶段：检查结果，提供反馈这种方法避免了 AI 在信息不足时盲目行动，减少返工，保持人类对流程的掌控。 ### Effective Vibe Coding 简介 Vibe Coding 由前 OpenAI 研究员、特斯拉 AI 负责人 Andrej Karpathy 在 2025 年初的技术分享中提出，描述了一种新的人机协作范式：用 AI 完成工作，而你只是把握感觉（vibe）。但这不意味着人类完全放手。人类的角色从亲自执行转变为：描述意图和需求、审核生成的内容、测试和验证结果、指导迭代优化。 ![Vibe Coding 核心循环](images/img_04_vibe_coding_cycle.png) 有效的 Vibe Coding 遵循一个核心循环：**提示 → 生成 → 评估 → 优化** 1. **提示（Prompt）**：清晰描述需求和上下文 2. **生成（Generate）**：AI 产出代码或内容 3. **评估（Evaluate）**：人类评估输出质量 4. **优化（Optimize）**：基于反馈迭代改进这个循环可能重复多次，直到达到满意的结果。本章只是简要介绍这一理念。第 2 章将详细展开 Effective Vibe Coding 的完整方法论和操作流程。 ::: {.callout-note} ## 知识卡片人在回路（Human-in-the-Loop，HITL）是一种设计模式，在 AI 决策的关键环节引入人类审核。它不是用人类替代 AI，而是创建一个协同生态系统：AI 处理计算密集型任务，人类提供判断和伦理推理，双方协作达成单方无法实现的结果。 :::