AI进化到现在，主要发展出了前AI时代没有的两种人机交互模式：一是用人类语言与机器对话（Chat），二是用人类语言指挥机器工作（Agent）。前者典型如ChatGPT、豆包这样的对话框，你可以跟它对话，文字交流，然后产出文字答案。后者典型如OpenClaw以及腾讯WorkBuddy等，Agent不仅仅是跟你进行文字对话、文字产出。更多的，它能够在你的人类语言命令之下实际地干活，也就是调用各种软件或者流程技能把你本地的材料揉吧揉吧进行加工产出最终成果。

这两个是完全不同的东西，前者是人类语言输入输出下的思维激荡，能够给你提供不少的灵感，后者是人类语言指挥下的执行牛马，能够从内容到形式，将你的想法落实下来。简单来讲，前者是思想，后者是行动。

于是一个有趣但危险的问题就来了，人类在Chat和Agent夹击或者联手之下还剩下什么？

要回答这个问题，必须了解Chat和Agent的本质，以及它们在工作流中的作用。

首先来看Chat。常听说的一句话“Garbage in, Garbage out”就很能揭示Chat模式的本质——输入什么样的信息，就会输出什么样的信息。提示词（Prompt）写得越好，AI给出的答案就会越丰富、多维、准确。所以在信息输入（input）这一端，需要构建一个很好的问题，同时对问题进行描述和界定，并形成明确的指令，最好能够提供大段的文字材料或者其他图表材料作为上下文（context）补充。

在中间端，如果可能的话，最好能够与AI进行多轮的交互式互动。这里可以借鉴“苏格拉底诘问式教学法”展开多轮推演与追问。这本质上还是在交互中给AI更过的信息输入，信息输入越多，对AI的约束和要求就越精准。

在输出（output）端，由于AI幻觉的存在，给出的答案可能质量参差不齐。机器本身无法判断哪些内容是AI幻觉，哪些是真实的，所以人类需要介入到输出端的成果审核中，判断哪些是真实的，哪些是虚假的。同时，有些成果并不完全有输赢、是非、对错这样泾渭分明的黑白标准，但这些成果任然有程度意义上的好坏标准，这更需要人类来判断、打分，指出哪里好、哪里不好、哪里需要改进，然后让AI慢慢朝着更好的方向优化。

在Chat的整个工作流中，AI的作用是帮助人类激发灵感、收集信息，参给出的成果是半成品。AI是在脑力激荡的维度上给人类提供帮助。在这个过程中，人类需要：

- 在输入信息时，注意力高度集中。

- 在交互过程中，思维逐步发散。

- 在检验成果时，要收敛，准确验证、审视。

你可以认为，人与AI的Chat，并不是人与“机器”的Chat，而是人和另外一个“人”的Chat。

这样理解的话，AI的价值挖掘可能会更有效。

人机协同下的脑力风暴，本质来讲，人是进入到一种高度“心流”状态。也就是说，最佳的人机协同脑力风暴状态，是人从头到尾都进入到一种注意力高度集中的心境。而在前AI时代，人是先有想法，然后落笔打字，最后修改调整。所有的思维激荡过程和落笔记录过程全部都由孤独的人类自己完成（偶尔会遇到棋逢对手的他人交流）。但在AI时代的Chat，帮你把检索整理材料、打字生成初稿以及修改文义通顺等执行环节全部替代掉了，人类只剩下心流。

AI时代的“心流”与前AI时代的“心流”有重大差异：AI时代的心流是多线程的，单一心流会有一些中断的时间。在这个中断的时间里，你可以泡杯茶等待AI生成深度研究报告，也可以转投去做另外一项并行的任务，当然你也可以去做家务、打一套八段锦。但在停下来、去做其他并行任务之后的一段时间、AI产出成果后，我们必须要能够快速切换回AI产出成果之后的交互及审视状态。

因此AI时代的Chat模式下，人类需要发展出一个重要的新能力，就是“心流的暂停与切换能力”，切进切出的自由转换。这个能力在前AI时代可能并没有那么重要，但在AI时代，就变得尤为关键。如果你能进入到心流的状态，但是切出来后就回不去了，或者说你能够回去，但这个心流并非前端心流的延续，那产出的成果跟前AI时代的质量相比，可能就会大打折扣。

如果说 Chat 并不给出最后的成果，只是帮助人类发散思维、启发思考、脑力激荡，那么 Agent 在此基础上又往前进了一步。Agent 除了有“脑子”之外，还能开始指挥各种各样的“手脚”，并调用本地的文件开始形成最终成果。这个成果包含了内容意义上的成果，也包含了形式意义上的成果。这就更像是一个人类助理的角色。

在这个工作流当中，你希望他做什么样的尝试、希望他做什么样的工具选择、希望他输出什么样形式的成果，都可以用人类语言去指挥它。在这个指挥过程中，实际上你就变成了一个团队的负责人，向你的助理发布任务、解释沟通交流任务，以及进行最后的任务审核。

这个流程似乎与前面说的 Chat 流程有些不同，但最简化来看，仍然是基于一个对话框，也就是在人机之间的语言牵引工作协同。在 Agent 模式下，AI 更多的是一个“牛马”，帮你执行，更强调的是执行力。OpenClaw、WorkBuddy等Agent起到的作用有二：一是理解人类模糊语言和需求、翻译为机器能听懂的语言，二是听到命令后按照可能路径去尝试调用工具生成成果，如果之前有做过类似工作就复用之前的流程，如果没有做过就尝试各种路径、甚至制造工具解决问题。

在Agent模式下，人仅仅知道怎么执行，是不够的。更重要的是，人需要懂管理、懂指挥，人类需要变成领导者、指挥者、架构师、全局流程与质量的掌控者。在这个模式之下，具体智识意义上的心流不再显得那么重要，团队工作方法论反而凸显出来了。你不需要去知道某件事情具体是怎么做的，可能也不需要去掌握产出具体成果需要用到的技术细节。

有一个能力仍然是跟 Chat模式 一样，就是你必须要准确地发布命令、持续监督，以及最后有足够的判断成果好坏的审核能力。在这个意义上，尽管Agent 和 Chat 有诸多区别，但殊途同归，对人类端的要求是一样的。从Chat到Agent，AI端是能力的进化，人类端是角色的微调。

不断使用AI、重构你的工作流、反复练习人机协同、把AI视为你的人类助理后，你对AI会有新的感性认知：AI是你能力的放大器，而非你的替代者。你对它了解越多，越不会盲目恐惧，而是认识到：AI是一种具有一定主动新性、更高效的高级工具。Chat是你的思维拐杖，Agent是你的执行外包翻译器和指令集。

你会发现工作流中最核心的部分，Chat和Agent并不能帮你完成。真正细致考察基于“语言大模型”（LLM）产生的AI的对话能力边界、工作流程细节、人机协同范式，你会发现它不是来替代你的，而是来解放你的。AI 把那些非本质、可执行的环节全部外包给了外在的大脑以及外在的手脚。留给人类的是什么？这才是真正意义上的“你的能力”。这个“你的能力”如果能够不断提纯、提升，你就不会被淘汰。

这个“你的能力”核心不是AI的使用技巧，而是你在行业里摸爬滚打多年后的智识积累、思维体系、经验教训等，是行业知识、行业技能、行业思维。一个很容易观察到的现象是：不同的人使用同一款AI工具，产出的成果却天差地别。这个现象本身就能说明，关键不是你用不用AI，也不是用什么款的AI，关键是你本身的行业技能是否有足够的核心竞争力。

并不是每个人都能清晰认识和提纯“你的能力”。普通的“牛马”的机械性技能可能真的会被AI所替代掉，因为它本身就是那个外包的大脑和外包的手脚。当人类领导在对他的助理下达命令跟他对AI下达命令的产出效果是一模一样时，你这个助理本身自然就被AI所替代掉了。

所以，请继续提纯、锤炼、精进你的行业能力，不要焦虑于AI技术的高速发展。不会用AI没关系，只要“你的能力”足够硬核，早晚会有好用的AI赋能“你的能力”。那些热潮中的OpenClaw，不安全、不成熟，且正在不断进化中，就算你会用又如何？过几个月又会有新的AI工具出来，你追还是不追？你还记得半年前的那些AI啥样子吗？对AI躺平，聚焦你自己的行业，解决你一直沉浸其中的行业问题（而非AI问题），可能才是正途。