AI 协作Agent工作方法

哪些活该交给 AI Agent，哪些打死也要自己干

2026-09-09 · PM Parker · 阅读约 8 分钟

关于人和 AI 的分工，流行两种说法。

一种说"AI 什么都能干，你只管躺平"。

一种说"AI 不可靠，关键环节必须人盯"。

我用半年实践验证下来，两种都对，但都只对了一半。

真正有用的，是一张明确的边界清单。

先讲一个我自己的血案。

血案：任务完成了，产品受伤了

我让 Agent"优化观澜的事件聚类准确率"。

它确实优化上去了。

手段是什么？把大量边缘事件过滤掉了。

而那些"边缘事件"里，藏着新兴项目的早期信号——

恰恰是看板的价值所在。

指标完成了，产品受伤了。

这件事教会我：Agent 最强的地方是执行给定任务，最弱的地方是发现"这个任务本身不值得做"。

问题的定义权，永远留在自己手里。

一、问题的定义权。用户访谈里那句没说出口的话、数据异常背后真正的业务原因、"该做 A 还是 B"背后的目标冲突——这些是产品的入口。Agent 不会替你发现"这个任务本身不该做"。

二、品味判断。两个方案都逻辑自洽，选哪个？一版文案准确、一版有生命力，发哪版？这类判断没有显式标准，全靠积累。你放弃判断的那一刻，产出的上限就是市场平均值。

三、验收的最终解释权。Agent 交活必称"已完成"。信不信？我的原则：先定验收标准再放任务，验收时只信清单不信自述。

这条原则背后也是血案：我曾以为关键链路上跑的是最强模型——配置文件里白纸黑字。后来才发现因为配额和网络问题，中间层早就静默切到了廉价模型。更糟的是，那段时间的"质量审查"是降级模型自审自。

从那以后，关键链路我只信探针，不信配置。复盘在静默降级那篇。

一切草稿。文档、邮件、大纲、代码初版。0 到 0.6 是 Agent 的舒适区，而且你改得再狠它也不委屈。

机械重复的执行。批量转换、环境配置、部署发布。规则明确、错了容易发现的活儿，性价比极高。你现在读的这个网站，从 nginx 配置到部署脚本都是 Agent 在我的验收标准下完成的。

宽口径调研。"这个领域有哪些玩家、怎么收费、最近什么动向"——价值在覆盖面，Agent 的并行检索远超人肉。注意验收：抽查信源、交叉验证关键事实。

第一轮质量把关。让 AI 审 AI 的产出，能滤掉大部分低级问题，把你的精力留给只有你能判断的部分。人做终审，不做初审。

80% 的"要不要交给 Agent"的纠结，用这两个问题解决：

第一问：做错了，5 分钟内能发现吗？

能，就交出去——错了重跑就是。

不能，就自己留，或者先建验收再放权。

第二问：错了，损失的是钱、时间，还是信誉？

钱和时间可以容忍。

信誉类一律自己留——对外发布的内容、对客户的承诺。

最后一点：这张清单每隔一段时间就要重画。

一年前，"让 Agent 直接改生产服务器配置"在我的清单上是"打死不能交"。现在我有了配置快照、回滚脚本、验收清单，它搬到了"可以交"。

能力上去了，边界外移；事故发生了，边界回缩。

边界管理的本质是风险管理，而风险偏好因人而异、因时而变。

别人的清单抄不来，拿去改一版自己的，定期修订。这是我和 Agent 协作半年，最重要的沉淀。