AI用得好不好，跟你會(huì)不會(huì)管人，我覺得越來越是同一件事。

大數(shù)據(jù)文摘受權(quán)轉(zhuǎn)載自數(shù)字生命卡茲克

作者：卡茲克

故事是這樣的。

這個(gè)端午節(jié)在家，終于可以休息了，然后幾乎就是瘋狂的用Agent來做自己好玩的東西。

有圖為證，最近這個(gè)假期，差不多干掉了2000多萬的token。

這里我防杠一下，我知道可能會(huì)有人說，你這好幾天才干掉2000萬token，也不算啥，我基本每天API都是一個(gè)億起步。

我想說首先我不是那么重度的用戶，我就是個(gè)普通的愛好者，其次這個(gè)PK在我看來沒有任何意義，因?yàn)橹荒苷f明你燒的多但是不代表質(zhì)量高，最后這個(gè)Claude Code客戶端的token消耗計(jì)算是不算緩存的，如果算上緩存的話，一個(gè)稍微大型一點(diǎn)跑4個(gè)小時(shí)的任務(wù)，燒的token可能就是4個(gè)億。

因?yàn)镃laude Fable 5被下架了，所以這個(gè)假期，我?guī)缀跞坑玫亩际荂laude Opus 4.8，然后有一個(gè)任務(wù)，讓我感慨萬千，那一瞬間，我真的無比的懷念Claude Fable 5。

這個(gè)任務(wù)，是我自己做的AI資訊聚合網(wǎng)站AIHOT的一個(gè)聚簇機(jī)制。

也就是大家在精選頁(yè)下看到的這個(gè)關(guān)聯(lián)討論多少條。

我們外顯監(jiān)控的信源其實(shí)只有200個(gè)不到，但是背后其實(shí)還監(jiān)控著近千個(gè)隱性信源，有多少可信信源共同討論某一件事，幾乎代表著未來AI時(shí)代我覺得熱點(diǎn)的性質(zhì)和定義。

所以這就需要聚簇，也就是把大家討論的事情給拆分、聚集、然后形成一簇，再把其中一個(gè)信源的單條信息推選出來當(dāng)領(lǐng)袖對(duì)外展示，其他的隱藏在背后。

大概就是這么個(gè)東西。

而且做聚簇還有個(gè)必要性，就是比如某個(gè)大事件突然爆掉的時(shí)候，比如這周GPT-5.6發(fā)布了，那在AI領(lǐng)域，一定是上百個(gè)信源共同討論，其中會(huì)有無數(shù)被精選，如果我們?nèi)颊故境鰜?，那就直接刷屏了，整個(gè)AIHOT上你也看不到別的了，滿屏的都是GPT-5.6，用戶體驗(yàn)極差。

所以于情于理，這個(gè)東西我們都要做好。

但是呢，現(xiàn)在的聚簇機(jī)制，過去經(jīng)常有問題，一會(huì)把不該聚的聚在了一塊，一會(huì)把該聚的又分裂了，我自己看起來經(jīng)常難受的要死。。。

所以這個(gè)端午節(jié)假期，我就準(zhǔn)備重構(gòu)一下這個(gè)聚簇的算法。

感覺沒有那么難對(duì)吧，但是，坑比我想象的多太多了。

首先最大的問題是，我知道當(dāng)一個(gè)熱點(diǎn)爆發(fā)的時(shí)候，相關(guān)新聞應(yīng)該被聚攏成一個(gè)簇，我知道語義相近但事件不同的新聞必須被拆開，我知道時(shí)間窗口應(yīng)該限制在24小時(shí)以內(nèi)，我知道聚簇的閾值不能太松也不能太緊，太松了什么都黏在一起，太緊了每條新聞都是孤島。

這是最終的效果和目標(biāo)，但是究竟什么樣的算法和機(jī)制可以達(dá)成，坦誠(chéng)的講，我是個(gè)廢物，我一無所知。。。

所以我只能給Claude Code一段這樣的目標(biāo)，然后讓他全網(wǎng)調(diào)研，用我們數(shù)據(jù)庫(kù)里的真實(shí)數(shù)據(jù)進(jìn)行量化回測(cè)，讓它自己去實(shí)現(xiàn)。

我把這些東西寫清楚了，丟給了Opus 4.8。

然后問題就來了。

Opus 4.8是一個(gè)很強(qiáng)的模型，這個(gè)我承認(rèn)。

但是至少在做這種只有模糊目標(biāo)沒有明確任務(wù)的事情上，全面崩盤。

在方案設(shè)計(jì)上，就漏洞百出，查了一些論文，學(xué)了一些所謂的SOTA的做法，然后設(shè)計(jì)的方案亂七八糟，我稍微檢查一下感覺里面就有漏洞，我一問它就自己反轉(zhuǎn)反轉(zhuǎn)再反轉(zhuǎn)。

經(jīng)典臺(tái)詞：這里有個(gè)反轉(zhuǎn)。

后面都給我干生氣了，怒斥這個(gè)墻頭草，毫無底線，毫無堅(jiān)持。

最后拼拼湊湊在對(duì)抗式審查之后，出了一版方案，我開著那個(gè)最高級(jí)別的動(dòng)態(tài)工作流也就是那個(gè)Ultracode讓他做完，又是一堆BUG，最后又變成了哦閾值0.72高了點(diǎn)，我們降到0.71吧，沒有考慮到多語言，也毫無各種各樣的邊界情況。

這玩意干了我一天時(shí)間，中間不斷修修補(bǔ)補(bǔ)，新方案修了舊的問題，又冒出來新的問題。

最后給我干的快道心破碎了。

那個(gè)狀態(tài)，想起了我在公司里帶一些能力還不錯(cuò)但你又不能完全放手的小伙伴的時(shí)候，你給他方向，他能走，但你得盯著，時(shí)不時(shí)拉一把，時(shí)不時(shí)補(bǔ)一句這個(gè)地方你漏了，這么做它不對(duì)。

那天，我突然心中好懷念Claude Fable 5。

如果Fable 5還安在，這個(gè)事情可能半天就搞定了，而且省心省力。

因?yàn)槲抑坝肍able 5做過好幾個(gè)類似復(fù)雜度的項(xiàng)目，每次的體驗(yàn)都是一樣的，我只需要把目標(biāo)講清楚，甚至不需要那么明確的目標(biāo)，一個(gè)模糊的目標(biāo)也行，它給出來的方案經(jīng)常比我自己能想到的要好N個(gè)數(shù)量級(jí)，而且大概率是能以非常優(yōu)雅的姿態(tài)，完成你的目標(biāo)。

那玩意，就是那種你給它一個(gè)方向它能自己跑到終點(diǎn)還順手把沿途的坑都填了的選手。

但它出師未捷身先死，中道崩殂了。

所以我只能用Opus 4.8或者GPT-5.5，然后用更細(xì)致的管理方式去補(bǔ)它們和Fable 5之間的差距。

但這個(gè)體驗(yàn)，讓我想明白了一件非常非常非常重要的事。

不同能力的AI，你得用不同的管理方式。

跟管人，是一模一樣的。

這幾年，當(dāng)過大頭兵，當(dāng)過小組長(zhǎng)，管過小團(tuán)隊(duì)也管過大團(tuán)隊(duì)，現(xiàn)在也作為一個(gè)創(chuàng)始人在創(chuàng)業(yè)管著自己公司的三十來號(hào)人。

我自己對(duì)管理最深的體感就是一句話：

越厲害的人，你給的東西就得越不一樣。

比如純粹的新人剛剛?cè)肼毜臅r(shí)候，你可能得告訴他每一步怎么做。

比如打開這個(gè)文件，復(fù)制這段數(shù)據(jù)，粘貼到那個(gè)表格里，格式調(diào)成這樣，最后發(fā)給誰誰誰，你給他的，其實(shí)就是一個(gè)任務(wù)清單，每一步都寫得清清楚楚。

這其實(shí)就是Prompt Engineering的邏輯，你把每一步都告訴AI，它照著做。

但是帶了一段時(shí)間之后，他開始上手了，你就不用這么細(xì)了。你可以跟他說，這個(gè)月的視頻內(nèi)容排期你來做，風(fēng)格參考上個(gè)月的，節(jié)奏控制在每周兩條。

你給他的，從一步一步的指令，變成了一個(gè)目標(biāo)加上一些約束條件。

這就是Harness Engineering的邏輯。你給AI一個(gè)目標(biāo)和一套規(guī)則，它在規(guī)則內(nèi)自己想辦法達(dá)成。

再后來，如果這個(gè)人真的很強(qiáng)，你會(huì)發(fā)現(xiàn)一個(gè)很微妙的變化。

你甚至不需要給他特別具體的目標(biāo)了，你跟他說，我們今年想把品牌在線下活動(dòng)的影響力做起來，你來想想怎么搞吧。

或者說，我們今年MCN的商業(yè)化收入，要保持口碑的同時(shí)健康的增長(zhǎng)。

他不光能做，他還能反過來給你一個(gè)你沒想到的方案。

而且他做完之后，還能把這次整套的流程沉淀成SOP，下次換一個(gè)人來，也能繼續(xù)執(zhí)行照著跑，它可以去拓展更牛逼的業(yè)務(wù)。

這種人，是每個(gè)公司、每個(gè)團(tuán)隊(duì)、每個(gè)管理者做夢(mèng)都想要的超級(jí)大佬。

Claude Fable 5給我的感覺，就是這種人。

而它之下，Opus 4.8、GPT-5.5、GLM-5.2，都更像一個(gè)能力很強(qiáng)但你還是得盯著的高級(jí)員工。

你看，差別就出來了。

我做AIHOT聚簇那兩天的痛苦，根源就在這里。

我給了一個(gè)策略層的目標(biāo)，但Opus 4.8需要的其實(shí)是更接近執(zhí)行層的指引。

這時(shí)候，我的管理方式和模型的能力層級(jí)之間有一個(gè)錯(cuò)配。

就像你把一個(gè)合伙人級(jí)別的目標(biāo)甩給了一個(gè)高級(jí)執(zhí)行者級(jí)別的人，這個(gè)人其實(shí)并不是不行，只是你的預(yù)期和他的承接能力之間差了一層。

回到管人這件事。

我這兩天其實(shí)也一直在想一個(gè)問題，為什么有些人用AI效果特別好，有些人就總覺得AI很笨。

我現(xiàn)在越來越覺得，這跟一個(gè)人會(huì)不會(huì)管理，是強(qiáng)相關(guān)的。

管人管得好的人，天然就知道怎么定義目標(biāo)、怎么給約束、怎么設(shè)反饋機(jī)制。

但更重要的是，他們知道怎么判斷面前這個(gè)人的能力層級(jí)，然后動(dòng)態(tài)調(diào)整自己的管理顆粒度，這一點(diǎn)真的非常非常非常重要。

任正非有一句話我覺得非常對(duì)。

“讓聽得見炮聲的人來做決策?！?/p>

這句話在華為內(nèi)部被反復(fù)提起，意思是總部不要替前線的人做每一個(gè)決定，你把戰(zhàn)略方向定清楚，把資源配到位，具體怎么打讓前線自己判斷。因?yàn)榍熬€的人最了解現(xiàn)場(chǎng)的情況，他們的即時(shí)判斷經(jīng)常比總部坐在會(huì)議室里的遙控指揮要準(zhǔn)得多。

這個(gè)思維方式，我覺得跟現(xiàn)在用AI是完全一樣的。

你給AI寫一堆詳細(xì)的步驟，就像總部在遙控指揮，每一步都給前線下死命令，這個(gè)方式看起來很縝密，但一遇到你沒預(yù)料到的情況，AI就懵了，因?yàn)椴襟E里沒有覆蓋到這種case。

你給AI一個(gè)清晰的目標(biāo)，一套約束，然后讓它自己決定怎么執(zhí)行，這才是“讓聽炮聲的人做決策”，AI也才真正有了自主決策的空間。

但是，這里有一個(gè)前提。

任正非這句話之所以在華為管用，是因?yàn)槿A為的人才密度夠高。

你讓一個(gè)剛?cè)肼毜膽?yīng)屆生去聽炮聲做決策，他可能連炮聲從哪邊來的都分不清就被炮給轟死了。

但如果你讓一個(gè)打了十年仗的業(yè)務(wù)老將去做同樣的事，他不光能判斷方向，還能在混亂中即興發(fā)揮出你想不到的打法。

同一套管理哲學(xué)，對(duì)不同能力的人，效果天差地別。

同樣是管人，你跟一個(gè)初級(jí)運(yùn)營(yíng)說“把這篇文章排到今天下午三點(diǎn)發(fā)”，這是一個(gè)執(zhí)行層的目標(biāo)，明確、可驗(yàn)證、沒有歧義。

你跟一個(gè)經(jīng)紀(jì)總監(jiān)說“這個(gè)季度MCN要在XX這個(gè)平臺(tái)做到垂類領(lǐng)域No.1”，這是一個(gè)策略層的目標(biāo)，模糊但有方向，需要對(duì)方自己拆解。

你跟一個(gè)合伙人說"我們今年要成為AI行業(yè)最有影響力的內(nèi)容公司”，這是一個(gè)愿景層的目標(biāo)，幾乎沒有執(zhí)行路徑，但它錨定了所有人的方向。

三個(gè)層次，給不同的人。

你把執(zhí)行層目標(biāo)給了一個(gè)合伙人級(jí)別的人，他會(huì)覺得你不信任他，覺得你在微操。你把愿景層目標(biāo)給了一個(gè)剛來的實(shí)習(xí)生，他會(huì)完全不知道從哪下手，然后焦慮到失眠。

給AI也是一模一樣的。

我做聚簇那兩天的痛苦，根源就在這里。

我給了一個(gè)策略層目標(biāo)，但Opus 4.8在這個(gè)任務(wù)的維度上，需要的其實(shí)是更接近執(zhí)行層的指引，管理方式和能力層級(jí)之間，錯(cuò)配了。

但是，以上所有這些討論，其實(shí)都還停留在我們當(dāng)下、今天的游戲里。

AI、Agent、模型一定是會(huì)繼續(xù)進(jìn)化的。

Cladue Fable 5馬上可能就要回來了，GPT-5.6也要上線了，可能要不了多久，Claude Fable 6、GPT-6也會(huì)來了。

也許三個(gè)月后，也許半年后，你手上用的每一個(gè)模型都能接策略層的目標(biāo)，都能自己設(shè)計(jì)方案，都能在你沒想到的地方做出超出你預(yù)期的判斷。

甚至，未來還會(huì)出現(xiàn)合伙人級(jí)別的模型。

到那個(gè)時(shí)候，當(dāng)你面前坐著十幾個(gè)合伙人級(jí)別的Agent，每一個(gè)都比你聰明，每一個(gè)都比你高效，每一個(gè)都能在它的領(lǐng)域里交出你想不到的方案。那你作為管理者，到底還有什么存在的理由呢？你的精力、你的思考、你的時(shí)間，到底應(yīng)該投資在什么地方呢？

這個(gè)問題，在這個(gè)小小的假期中，浮現(xiàn)了出來。

我想了很久答案，最后，我想到了一個(gè)人，叫德魯克，就是這個(gè)老頭，被譽(yù)為現(xiàn)代管理學(xué)之父。

他的思想，如果被歸納成一句話的話，我覺得就是：

“管理者的工作，是思考應(yīng)該思考什么。”

大多數(shù)人每天在做的事情，是思考怎么做這件事，怎么寫更好的代碼，怎么做更漂亮的PPT，怎么跑更快的模型，怎么寫更精準(zhǔn)的prompt，這些是執(zhí)行層的思考，不用想，AI進(jìn)步的速度在這些事情上比人快一個(gè)數(shù)量級(jí)，你從Coding和Agent的進(jìn)化上就能看出來了。

再高一層，是思考做什么。比如做哪個(gè)產(chǎn)品，切哪個(gè)市場(chǎng)，選哪個(gè)技術(shù)路線，這些是策略層的思考，F(xiàn)able 5級(jí)別的模型已經(jīng)開始在這個(gè)層面展現(xiàn)出驚人的能力了。

但德魯克說的不是這兩層，他說的是第三層，“思考應(yīng)該思考什么”。

這一層的意思是，你有沒有能力判斷，在所有可能思考的問題里面，哪幾個(gè)問題才是真正值得你坐下來想的。

換句話說，我們每個(gè)人的注意力和精力都是有限的，我們到底應(yīng)該如何保護(hù)自己的精力，聚焦在真正值得我們注意的問題之上。

AI時(shí)代，目前看，在逼著所有人往第三層走。

因?yàn)榈谝粚雍偷诙拥乃伎迹珹I都會(huì)越來越擅長(zhǎng)，你在這兩層上的優(yōu)勢(shì)，會(huì)被模型能力的增長(zhǎng)不斷蠶食。

只有第三層，什么問題值得想這個(gè)判斷，AI過去、現(xiàn)在、未來都做不了。

倒不是說AI不能幫你列出選項(xiàng)、做決策樹、分析利弊，這些它絕對(duì)都能做，而且做得比你快。

但最后那一下，在所有分析都擺在桌面上之后，你選A還是選B，這個(gè)選擇背后站著的，是你這個(gè)人的價(jià)值觀、你的審美、你對(duì)世界的理解、你愿意為什么承擔(dān)代價(jià)。

這些東西，是計(jì)算不出來的。

因?yàn)樗鼈儾皇怯?jì)算問題，是選擇問題。

計(jì)算有最優(yōu)解，選擇沒有。

選擇只有你選的和你沒選的，然后你用你的余生去承受這個(gè)選擇的后果。

AI可以窮舉所有可能的路徑，給你每一條路的概率分布和預(yù)期收益。

但這條路值不值得走，這個(gè)判斷，永遠(yuǎn)只能由一個(gè)真實(shí)活過的、痛過的、做過錯(cuò)誤選擇并且承受過后果的人來做。

這就是為什么管理學(xué)讀到最后，一定會(huì)走向哲學(xué)。

你去看德魯克后期的內(nèi)容，越寫越像搞哲學(xué)的，怎么做計(jì)劃、怎么定KPI他也不說了，他開始聊什么是有效的人生、什么是值得追求的東西。

還有稻盛和夫，他一輩子管理思想的核心就一句話，“作為人，何謂正確”，因?yàn)樗l(fā)現(xiàn)，當(dāng)你管理的層級(jí)足夠高的時(shí)候，所有的商業(yè)判斷到最后都會(huì)變成一個(gè)倫理判斷，你到底相信什么，你愿意守住什么。

所以我現(xiàn)在的想法是這樣的。

很多人覺得AI越強(qiáng)，人就越?jīng)]用，但我覺得剛好反過來，AI越強(qiáng)，你被推到的管理層級(jí)就越高，從一個(gè)執(zhí)行者的位置被推到管理者，從管理者被推到戰(zhàn)略制定者，從戰(zhàn)略制定者被推到一個(gè)更接近哲學(xué)家的位置。

你會(huì)被這個(gè)時(shí)代逼著，越來越往上升職，而你能不能接住這個(gè)新的位置，取決于這些年，我們到底有沒有在積累真正不可替代的東西。

如果不能，那可能就會(huì)像五代十國(guó)里的石重貴和耶律德光，被時(shí)代無情的碾過，然后吞噬。

真是一個(gè)殘忍，又吃人的時(shí)代。

點(diǎn)「贊」的人都變好看了哦！