最近听了一期很有意思的播客，来自 Every 的 AI & I 节目。Every 的 CEO Dan Shipper 和他们的总经理 Kieran Klaassen 聊了一个特别实在的问题：当 AI 越来越能干活的时候，人类在工作流程中到底应该待在哪个位置？

Kieran 是 Every 内部一套叫「复合工程」（Compound Engineering）的方法论的创造者，这套方法论重新定义了工程师和 AI 智能体协作的方式。而在不断打磨这套方法论的过程中，他和同事 Trevin Chow 发现了一个特别形象的比喻：AI 工作流就像一个三明治，AI 是中间的馅料，人类是两头的面包。

这个比喻听起来简单，但背后的洞察其实很深。

1、中间那块「馅料」，基本上已经搞定了

Kieran 的复合工程方法论分四个步骤：规划、执行、审查、沉淀。

规划阶段，你想清楚要做什么，列出清晰的步骤。执行阶段，AI 智能体按照计划去写代码、做设计、完成各种工作。审查阶段，检查产出的质量。沉淀阶段，把过程中积累的经验和教训存回系统，让 AI 下次不再犯同样的错误。

Kieran 说，这四个步骤里，执行阶段基本上已经「解决了」。他用的原话是「kind of done」。意思是，只要你给 AI 一个好的计划，它就能忠实地执行。大语言模型非常擅长按步骤做事，可以连续工作几个小时甚至几天，这件事已经不需要人类操心了。

审查阶段也在快速进步，规划阶段同样越来越自动化。

那问题就来了：如果这些环节都能自动化，人类还需要做什么？是不是已经把自己的工作给自动化掉了？

2、人类该待在三明治的两头

答案藏在工作流的两个端点上。

先说前端。Kieran 的同事 Trevin 在规划阶段之前又加了两个步骤：头脑风暴和构思。头脑风暴是你还没搞清楚问题是什么的时候，和 AI 一起探索、发散。构思是想清楚要解决什么问题、从什么角度切入。

他们发现，在这个最前端的阶段，人类必须深度参与。AI 可以辅助你思考，但定义问题、选择方向、设定框架，这些事情需要人类自己来做。一旦框架定好了，后面的规划和执行就可以放手交给 AI。

再说后端。当 AI 把活干完了，所有测试都通过了，功能都跑通了，这时候人类再介入，做最后的打磨。点一点，看一看，感受一下哪里不对劲，哪里可以更好，哪里可以更美。

Kieran 提到了一个很有趣的类比。他以前用番茄工作法，如果一个任务 15 分钟就做完了，剩下的时间不能切换任务，只能继续在同一个任务上深挖。他发现，往往就是在这段「多出来的时间」里，会产生一些特别漂亮的东西。因为你被迫比平时走得更深、更远。

AI 工作流末端的打磨环节，本质上就是这样一个时刻。所有基础工作都完成了，你可以纯粹地去提升品质，去追求那种「感觉对了」的状态。

Kieran 特别强调了一句话：如果我们不做这一步，所有的产出都会变成千篇一律的「AI 味」。品质的门槛在不断提高，以后只会越来越高。

3、为什么 AI 很难自己「换框架」

Dan Shipper 在对话中提出了一个很有深度的观点，解释了为什么人类在两端的角色很难被 AI 取代。

他举了一个例子：你膝盖疼。在「膝盖疼」这个框架下，解决方案可能是吃止痛药。AI 完全可以帮你下单买药、安排配送，把中间环节全部自动化。但问题是，也许你真正需要的是拉伸髂胫束，或者你应该停止每天在硬地面上跑步。

每一个方案其实是在不同的层级上理解同一个问题。人类非常擅长在这些不同的框架之间跳转和切换，而这恰恰是 AI 目前最吃力的地方。

Dan 把大语言模型比作一个被关在盒子里的超级智能，过去一年对外面的世界一无所知，只有被放出来的那一刻才能接收到一点信息。正因为如此，它的产出往往偏通用、偏泛化，缺少对你具体处境的深度理解。要真正解决好一个问题，或者做出一个打动人的产品，需要对具体情境有极其精准的把握。AI 在这方面还需要大量的人类帮助。

这也是为什么你需要在工作流的两端出现：前端帮 AI 设定正确的问题框架，后端确保执行的细节真正到位。

Dan 还提出了一个很有意思的 AGI 判断标准：什么时候一个 AI 智能体值得你 24 小时不间断地运行，永远不关掉，那就是 AGI 到来的时候。而现在，我们离这个标准还很远。即便是最先进的智能体，也只能在人类给定的明确任务上持续工作，它做不到自己完成一个任务后判断下一个该做什么，花五分钟还是花四天，然后自主切换。

这需要语言模型在架构层面发生根本性的变化，让它们能够更好地学习和适应。在那之前，人类在两端的角色是稳固的。

4、有些东西永远没法自动化

Kieran 有古典音乐作曲的背景，他从音乐的角度给出了一个特别动人的类比。

他说，AI 可以生成歌曲，但它永远无法复制一场现场演出的感觉。当一个音乐家站在台上演奏的时候，观众能感受到那种来自人的东西。作为作曲家，从无到有创造出一段旋律，那是一个特殊的时刻。作为演奏者，把作品带到观众面前，那也是一个特殊的时刻。中间的部分呢？把一首曲子练一百遍，这个过程其实没什么创造性可言。

软件开发和 AI 协作也是一样的结构。开头的构思和结尾的打磨，是最有创造力的时刻。中间的执行，可以交给 AI。

Dan 把这个观点进一步延伸：所有的工作都存在于一个光谱上，一端是纯粹的重复性劳动，另一端是艺术。任何创造性工作内部都包含很多子任务，有些更偏重复，有些更偏创造。随着 AI 的进步，重复性的部分会被不断自动化，人类的工作会持续向更有创造力的那一端移动。

而这个光谱本身也在不断移动。今天看起来有创造力的事情，明天可能就变成了可以自动化的常规操作。但人类也会随之找到新的、更高层次的创造性工作。

在这个光谱的最末端，有一样东西是永远无法自动化的：由真实的人类、带着真实的感受所创造的作品。

5、找到那个让你快乐的事情

对话的最后，Kieran 说了一段特别真诚的话。

他说，这些听起来可能有点抽象，尤其是对那些不觉得自己是「艺术家」的人来说。但其实每个人都有这样的时刻。你可以换个方式想：什么事情让你感到快乐？什么事情能点燃你内心的火？什么事情让你兴奋？

不管那个东西是什么，可以是漂亮的文字，可以是优雅的代码，可以是整洁的列表，可以是精致的设计，你都应该在 AI 的帮助下，把更多的时间和精力投入到那个方向上。

因为 AI 正在帮我们把工作中那些无聊的、重复的、消耗精力的部分自动化掉。这意味着我们有了一个前所未有的机会，可以把更多时间花在自己真正热爱的事情上。

Kieran 说，作为工程师，你的角色会变得更像管理者，也更像产品经理。你需要理解用户需求，做出判断，把控品质。但不管角色怎么变，核心都是一样的：去做那些让你有能量的事情，去追求你眼中的「美」，然后用 AI 来放大你在这些事情上的产出。

如果你只是机械地让 AI 干活然后交差，产出会越来越同质化，越来越没有辨识度。但如果你把自己的审美、判断和热情注入到工作流的两端，AI 反而会成为一个巨大的杠杆，帮你做出比以前好得多的东西。

6、几个值得琢磨的点

回过头来看这场对话，有几个观点特别值得记住。

第一，「在不在场」比「会不会用 AI」更重要。很多人讨论 AI 协作的时候，关注的是怎么写更好的 prompt，怎么让 AI 产出更好的结果。但 Kieran 和 Dan 的视角不一样，他们关注的是你应该在工作流的哪个环节出现，哪个环节离开。知道什么时候该深度参与、什么时候该放手，这本身就是一种核心能力。

第二，AI 时代最稀缺的能力是「定义问题」和「打磨品质」。中间的执行环节会越来越便宜、越来越快，但前端的问题定义和后端的品质把控，价值只会越来越高。这两件事都需要对具体情境的深刻理解，需要经验，需要品味，需要判断力。这些东西很难从数据中学到，因为相关的数据本身就极其稀少。

第三，全自动化是一个不断移动的靶子。每次 AI 能力提升，我们都会觉得「这下全自动化不远了」。但实际上，每解决一层问题，就会暴露出新的一层需要人类参与的地方。这个过程可能会持续很久。

第四，与其焦虑 AI 会不会取代你，不如想想什么事情让你快乐。这听起来像鸡汤，但在 AI 三明治的框架下，它其实是一个非常务实的建议。你热爱的事情，往往就是你愿意投入额外精力去打磨的事情，而打磨恰恰是 AI 时代人类最有价值的动作之一。

AI 正在把工作变成一个三明治。中间的馅料越来越丰富，越来越自动化。但两头的面包，始终需要人来做。而做面包这件事，说到底，就是带着你自己的判断、品味和热情，去定义问题，去打磨细节，去把一个东西变成真正属于你的作品。

#科技先锋官# #How I AI#