别再提示 AI，开始引导它

Google News 推送了 MIT Sloan Management Review 的一篇观点文章，提出了一个直接的挑战：不要再把 AI 提示词视为高效工作的核心。标题“别再提示 AI，开始引导它”意味着一种转变：从编写孤立指令，转向管理持续运行的生产系统。

这一差别之所以重要，是因为企业 AI 正在超越聊天界面。模型如今可以搜索文件、调用工具、编写代码、修改文档，并在多个步骤中持续推进工作。一条精心打磨的提示词可以启动这个过程，却无法为系统将遇到的每个决策预先作出定义。

因此，正在形成的竞争并非人与 AI 之间的竞争，而是一次性提示与结构化引导之间的竞争。前一种方式要求模型给出答案；后一种方式则为它提供目标、相关上下文、操作边界、审查节点，以及可衡量的成功标准。

这也是为什么 MIT Sloan 的标题不只是又一堂提示词写作课。它重新界定了人的角色。稀缺的能力正在变成判断力：决定应当发生什么、哪些证据有效、自主权应止于何处，以及结果是否值得批准。

Google News 标题真正改变了什么

关键变化不在于一种新的提示词公式，而在于一种新的工作单位。

Google News 条目将读者引向一个隐藏在多年提示词建议之下的管理问题：如果 AI 参与真实工作，人们应当管理单次回答，还是引导整个流程？

提示词通常将每次互动视为一笔小型交易。用户提出请求，模型生成内容，用户要么接受，要么重新尝试。上下文往往会在不同会话之间消失，而标准却仍藏在某个人的记忆中。

引导则将任务视为一个受管理的工作流。用户定义结果，提供证据，明确约束，分配工具，并设立检查点。模型仍会接收提示词，但这些提示词会成为更大运行设计的一部分。

以市场分析请求为例。以提示词为中心的用户可能会让 AI 助手总结某个市场并推荐战略。模型必须自行推断受众、地域、时间范围、证据门槛，以及可接受的不确定性程度。

而引导者会先定义这项分析必须支持的决策。随后，AI 可能会获得已批准的来源、客户笔记、既有研究和规定的日期范围。它还会收到关于如何处理相互矛盾证据的明确指示。

引导者可以要求系统将经验证的事实与估计值分开。工作流可能会在提出建议前暂停，让人类检查证据。最终批准权仍由对业务决策负责的人保留。

这种方法改变了团队评估 AI 表现的方式。流畅的回答已不再足够。团队必须追问：系统是否使用了正确的信息，是否遵循了预期流程，是否暴露了不确定性，以及是否产出了可用的结果。

这种差异也改变了故障诊断方式。当模糊请求导致较弱的回答时，重写提示词可能有所帮助。然而，反复失败往往暴露出缺失的上下文、不清晰的责任归属、糟糕的来源选择，或缺少审查标准。

这些是管理和系统设计问题。把它们当成措辞问题，只会让团队陷入无休止的提示词调优。他们不断调整形容词和格式要求，却让底层任务始终缺乏定义。

因此，“开始引导”这一说法挑战了这样一种观念：专业能力存在于一段完美的文字之中。引导分布在任务设计、来源选择、权限、记忆、工具、评估和人工干预之中。

这并不意味着提示词无关紧要。每个受引导的工作流仍需要清晰沟通。真正的转变在于，提示词成为多个控制界面之一，而不再是获得可靠工作成果的完整方法。

这种框架也让管理者能以更现实的方式讨论采用 AI。员工不需要成为发现神奇措辞的文字专家。他们需要学习如何委派工作，同时保留上下文、标准和问责。

同样的原则早已适用于高效的人类团队。管理者不会用一句话交代一个敏感项目，然后就消失不见。管理者会说明目标、分享背景、定义边界、安排审查，并检查结果。

AI 系统同样需要类似的结构，尽管其失效模式有所不同。它们可能生成看似可信的错误内容、遵循恶意嵌入的指令，或以惊人的执着追逐一个不完整的目标。因此，引导必须将技术控制与日常管理判断结合起来。

这就是 Google News 标题背后的实际变化。讨论正从“我该输入什么？”转向“什么系统应当治理这项工作？”

为什么一次性提示正在触及极限

单条提示词无法可靠承载关键工作所需的上下文、控制机制和评估标准。

提示词工程的流行有其可以理解的原因。早期生成式 AI 产品呈现的是一个空白文本框，因此用户自然会关注自己在其中输入的内容。措辞上的微小变化，就能带来明显不同的回答。

这一模式仍适用于边界明确、可逆的任务。用户可以要求备选标题、粗略的会议议程，或初步改写。检查和纠正输出的成本仍然较低。

当任务跨越多个来源或行动时，问题便会扩大。准备研究简报的模型必须决定去哪里搜索、信任哪些证据，以及何时算是收集到了足够的信息。编辑软件的模型则必须检查文件、运行测试、解读失败原因，并避免做出无关改动。

没有任何开场提示词能够预判工作中遇到的每一种状态。系统需要获得来自工具的反馈，并具备调整下一步行动的能力。它还需要限制机制，以防止错误理解在整个过程中扩散。

这正是 agentic AI 进入讨论的地方。Agent 是一种基于模型的系统，能够在追求目标时选择行动并使用工具。它不只是生成一次回答，而是通过规划、行动、观察和修订的重复循环来运行。

Anthropic 在其关于高效 AI agents的指导中，对工作流与 agents 作出了有益区分。工作流遵循预先定义的代码路径，而 agents 会动态选择部分流程和工具使用方式。

这一区分避免了让“引导”沦为最大化自主权的口号。可预测的工作流通常更适合稳定任务。当路径无法预先完全规定、系统必须对不断变化的信息作出响应时，agent 才会发挥作用。

因此，团队需要在编写提示词之前选择运行模式。固定的信息提取流程可能采用带验证规则的工作流。开放式调查则可能采用能够搜索、比较来源并请求澄清的 agent。

这一选择会影响成本、速度和风险。更高的自主性可以处理更广泛的任务，但也可能带来更长的执行路径和更不可预测的行为。引导者必须判断这种权衡是否适合任务。

孤立提示词的局限也体现在日常知识工作中。员工经常需要分散在电子邮件、文档、会议和个人笔记中的信息。缺少这些上下文的模型只能猜测，或反复要求解释。

持久上下文改变了这种互动方式。员工不必在每次对话中重复粘贴相同背景，而是可以为系统维护一组经过批准的信息。随后，这些信息的质量就成为管理问题。

个人知识库可以通过保留可供检索的源材料来支持这种方法。然而，仅有存储并不能保证准确性。用户仍必须决定哪些内容应纳入工作上下文，哪些应继续排除在外。

评估是另一项限制。提示词可以描述理想输出，但复杂任务需要在模型文本之外运行的测试。代码应当运行。引用应当可解析。计算应当可复现。主张应当与底层文档相符。

缺少这些检查时，用户更容易评估风格，而非实质。一份自信的回答可能在任何人检验其事实基础之前，就显得已经完整。引导将注意力从呈现转向验证。

Microsoft Research 发现，工作场所 AI 带来了可衡量的益处，但结果也表明部署设计为何重要。一项为期六个月的随机现场实验涉及 6,000 名员工，其中一半获得了整合到电子邮件、文档和会议中的生成式 AI 工具。

使用该工具的员工每周花在电子邮件上的时间减少了三小时，完成文档的速度似乎也有适度提升。然而，根据这项工作模式研究，会议时间并未出现显著变化。

这一模式表明，AI 可能更容易改善个人能够直接控制的活动，而不是需要更广泛协调的工作。更好的回答生成器不会自动重新设计审批流程、会议、团队依赖关系或决策权。

引导正是为了填补这一空白。管理者必须决定 AI 生成的工作如何在组织中流转。他们必须明确由谁审查、它会在哪里进入现有系统，以及同事能否追溯其证据。

提示词可以要求一份摘要。但它本身无法确立谁拥有由此产生的决策。它也无法决定团队是否应保留源材料，或披露 AI 的参与。

这些外围选择决定了 AI 会成为有用的组成部分，还是另一层未被追踪的输出。一次性提示词正是在组织工作开始的地方触及极限。

新技能是 AI 引导，而非提示词表现

有效的 AI 引导结合了委派、上下文管理、验证和及时干预。

引导始于更清晰的目标。“分析这些客户访谈”依然过于开放，因为它没有指出要支持的决策。一个有用的目标可能要求系统识别应影响下一次产品发布的引导障碍。

目标必须与完成标准配对。系统可能需要识别反复出现的主题、保留相互矛盾的反馈、引用底层访谈，并区分观察结果与拟议行动。

这种方法让质量变得可观察。审查者可以判断 AI 是否完成了任务，而不是争论输出是否只是听起来很有洞见。

接下来是上下文。团队应提供最小且相关的证据集合，而不是将所有可用文档一股脑地塞进模型。大型资料集合可能包含过时政策、重复笔记、无关对话和相互冲突的术语。

上下文工程是在任务期间选择并组织模型可用信息的实践。目标并非追求信息量最大化，而是提供足够可靠的信息，让模型能够正确作出下一步决策。

人们仍然需要为这些上下文边界负责。敏感信息可能需要被排除或限制处理。旧文档可能需要标注，而不确定的主张应继续明确保持其不确定性。

管理者还会将工作划分为多个阶段。研究、综合、建议和发布不应被压缩为一个不透明的动作。每个阶段都应产出可由人工或自动化检查审阅的成果物。

例如，一个由人指导的文章工作流可以先收集来源。第二阶段提取主张并附上证据。第三阶段去除重复内容，第四阶段则仅基于已验证材料撰写草稿。

在引文检查和编辑审核通过之前，发布阶段应始终处于阻塞状态。每个检查点都能在错误公开前将其拦截。

工具权限提供了另一层指导。读取日历的即时风险低于发送邀请。起草电子邮件不同于将其发送出去。查询数据库也不同于修改记录。

Anthropic 描述了几种权限选择，包括始终允许某项操作、要求审批，或直接阻止该操作。其对可信代理的讨论也解释了，为什么审查整体计划可能比批准数十项单独操作更有意义。

反复提出低层级审批请求本身也会带来风险。用户可能产生疲劳，在未仔细审查的情况下批准操作。指导应将人的注意力放在那些会因判断而改变结果的决策上。

这意味着人类不必检查每一个 token 或工具调用。他们应审查策略、不可逆操作、不确定证据和最终结果。低风险的中间步骤可以在既定边界内推进。

所需的控制程度取决于后果。头脑风暴助手可以拥有较大的自由度，因为否决结果很容易。处理客户记录、法律材料或财务决策的系统则需要更严格的权限和更有力的证据。

管理者还必须知道何时中断。如果模型反复修改错误的成果物，它需要的不是更巧妙的后续提示词，而是纠正目标、上下文或工作流。

有用的干预信号包括缺乏支持的结论、未解释的来源冲突、工具故障，以及超出既定范围的变更。团队可以将部分信号编码为自动化检查，同时将模糊情形保留给人工审核。

记忆带来了另一项管理选择。持久化指令可以减少重复提示，但也可能保留错误假设。团队需要一种方式来检查、更新和淘汰会影响未来工作的指令。

这正是AI 第二大脑与指导相关的地方。它的价值不仅在于记住信息，也在于为用户提供可审查的上下文，以支持未来的任务分配。

指导还需要明确角色。AI 可以负责研究和起草，而人类负责验证证据并承担责任。另一位人类可能负责批准发布或授权外部操作。

这些角色不应仅因模型的输出看起来很成熟就变得模糊。系统可以产出高管风格的语言，却并不拥有高管权限。流畅表达并不等于承担责任。

团队应将这些运营选择记录在可复用的指令、模板和评估规则中。这样，良好表现就不会过度依赖某位员工是否记得正确的措辞。

这也让改进变得可衡量。如果输出失败，团队可以在来源收集、任务定义、执行、审查或审批中定位问题。提示词措辞仍可能是原因之一，但不再是默认解释。

因此，AI 指导更接近编辑、产品管理和运营，而非寻找秘密指令。它要求人们将意图转化为受控流程，并在现实偏离计划时加以识别。

随着系统执行更长周期的任务，这项责任愈发重要。人类干预越不频繁，就越需要提前精心设计目标和边界。

指导并不能消除 AI 的可靠性问题

人工指导能够改善控制，但无法靠宣称就让不确定的模型变得可靠。

这种管理隐喻具有吸引人的简洁性：给 AI 一个明确使命，审查其计划，并评估结果。然而，AI 系统不是员工，将其视为人可能掩盖重要的技术差异。

模型并不会仅因用户赋予它某种角色，就拥有稳定的判断力。它会根据学习到的模式、当前上下文、系统规则和工具反馈预测并选择输出。这些输入中的任何一项发生变化，其行为都可能改变。

系统也可能以自信的措辞生成错误陈述。在智能体工作流中，一个错误假设可能影响后续搜索、计算、代码变更或建议。执行时间越长，错误累积的机会就越多。

NIST 的生成式 AI 概览将虚构信息、信息安全、隐私、有害偏见和人机配置列为组织应管理的风险之一。

NIST 建议制定明确人工监督角色与责任的政策，并要求测试和评估与已识别风险相匹配。这些保障措施应围绕工作流建立，而不应寄望于最后一个提示词。

提示词注入带来了另一项挑战。恶意或无关指令可能出现在智能体读取的网站、电子邮件或文档中。如果系统将这些内容视为权威，它可能泄露信息或采取非预期操作。

因此，管理者必须将可信的操作指令与不可信的源材料区分开来。无论模型读取了什么，工具都应独立执行权限控制。敏感操作应要求明确审批，或始终不可用。

指导也可能因自动化偏见而失败，即人们过于轻易接受计算机输出的倾向。更好的界面可能使 AI 工作更易于监督，但精美的计划和引文仍可能制造虚假的信心。

Microsoft Research 对 319 名知识工作者进行的一项调查收集了 936 个使用生成式 AI 的案例。对 AI 更有信心与较少的批判性思维相关，而对个人专业能力更有信心则与更多批判性思维相关。

这项批判性思维研究发现，AI 将批判性工作转向验证、整合和任务管理。这一发现支持指导模式，同时也暴露了它的核心弱点。

人们必须保留足够的领域知识，才能识别糟糕的结果。如果组织在不保留学习机会的情况下自动化入门级工作，未来有经验的审查者供给可能会减少。

当 AI 生成看似可信的初稿时，这种风险尤其明显。初级员工可以更快完成任务，但可能较少深入参与证据分析。高级审查者随后则需要在更大规模的输出中承担更多核查工作。

生产力指标可能忽略这种转移。团队可能统计完成的文档数量，却忽略审查时间、错误修正或下游混乱。指导必须纳入衡量整体流程表现的指标，而不仅是生成速度。

组织应跟踪采纳率、修正率、缺乏支持的主张、安全事件和审查者投入。他们还应在可行情况下，将结果与非 AI 基线进行比较。

合适的衡量方法取决于任务。软件团队可以使用测试、缺陷和审查发现。研究团队可以衡量引文准确性和主张覆盖率。客户运营团队可以跟踪问题解决质量和升级率。

另一项不确定性涉及自主性。更有经验的用户可能允许智能体运行更久，因为他们了解这些工具。但他们也可能变得过于习惯，以至于过快批准高风险行为。

Anthropic 在 2026 年对智能体自主性的分析发现，有经验的 Claude Code 用户更常启用完全自动审批，但也更频繁地中断系统。这种组合更像是积极监督，而非完全信任。

同一研究报告称，软件工程占观察到的智能体活动近一半。大多数记录的操作风险较低且可逆，而高风险使用仍属于新兴类别。

这些发现应当抑制对自主数字同事的宽泛论断。最有力的证据仍来自拥有可检查成果物、可逆变更和明确评估方法的任务。

商业领导者不应将编码或文档起草的成功，直接转化为对招聘、医疗、法律或信贷决策的信心。不同后果需要不同的控制结构。

指导也会带来额外成本。设计上下文、权限、测试和检查点需要时间。对于一项小型且可逆的任务，这种投入可能超过自动化带来的价值。

合理的原则是按比例控制。任务风险低且易于检查时，使用简单提示。需要一致性时，使用预定义工作流。只有当灵活推理能够证明额外不确定性是值得的，才应赋予任务更高自主性。

因此，MIT Sloan 的框架应被理解为责任的转变，而非可靠性的保证。指导 AI 要求人类围绕不完美的模型构建更强大的系统，而不是消除模型本身的不完美。

管理者和知识工作者接下来应关注什么

只有当组织能够证明在不掩盖更多风险或审查劳动的前提下取得更好结果时，指导论点才会成立。

第一个值得关注的信号，是 AI 界面从聊天框转向持久化工作空间。产品正越来越多地跨会话维护文件、指令、项目历史和工具连接。

这种转变强化了指导的理由，因为用户可以塑造一个操作环境，而不是反复重建上下文。关键问题在于，这些环境是否依然透明且可编辑。

员工应能够看到哪些指令影响了结果。他们应知道系统访问了哪些来源、使用了哪些工具，以及哪些假设从先前会话中持续保留。

如果产品清晰展示这些信息，指导就更容易审计。如果上下文保持隐藏，持久化记忆可能会将旧错误变成无形的默认设置。

第二个信号是来自已部署工作流的证据，而不是演示。供应商可以展示智能体在精心挑选的条件下完成一项令人印象深刻的任务。企业则需要看到它在日常工作、不同用户和不完美数据中的结果。

应关注报告总任务时间、输出质量、审查负担和错误率的对照研究。没有质量指标的生产力数据，只能提供不完整的图景。

微软的职场实验提供了一个有用的模型，因为它比较了六个月内的行为，并将个人活动与协调密集型工作区分开来。未来研究应考察定向使用 AI 是否会改变决策、审批和团队流程。

证据还应区分工作流与智能体。一家公司可能会把任何自动化 AI 功能都描述为智能体式，即便它遵循的是固定顺序。买方需要了解模型在哪些环节自主选择行动，以及软件在哪些环节强制规定路径。

这种架构会影响可预测性。固定工作流能够提供一致性，而动态智能体则能在出现意外情况时作出调整。两种方法都不存在普遍更优的一方。

第三个信号是，监督机制是否从重复审批转向基于风险的控制。要求用户批准每一项小操作会带来摩擦，却无法保证用户真正关注。授予不受限制的访问权限则会造成相反的问题。

更好的系统会根据行动的后果和可逆性进行分类。读取已获批准的文件夹或许可以自动进行，而修改客户记录则需要审核。对外发布应始终与内部起草区分开来。

组织应测试这些控制措施在压力下是否仍然有效。随着截止日期临近，员工可能会绕过缓慢的审核系统。管理者也可能在早期取得成功后扩大权限，却未同步更新监控机制。

未来一到三个月将揭示供应商如何打包方案审核、持久上下文、权限层和执行后日志。相比产品公告，这些控制措施的清晰度将更重要。

知识工作者现在应开展一项更小规模的实验。选择一项重复出现的任务：它应拥有明确的输入、可审核的输出，并且即使首次尝试失败，后果也较轻微。

在编写提示词之前，先写下预期结果。明确获准使用的信息来源、完成标准，以及 AI 不得执行的操作。确定哪些环节必须由人工审核，以及审核者需要哪些证据。

然后将这一流程与普通提示方式进行比较。统计修改次数、缺乏支持的主张、审核时间和可用产出。目标不是证明 AI 有效，而是发现哪种运营设计能够产生可追责的结果。

Google News 或许是通过一条尖锐的 MIT Sloan 标题引入了这一理念，但这个长久的问题属于每一位 AI 用户。你是在反复向模型索取答案，还是在构建一个能够保留你判断力的流程？

选择一项真实工作流，界定它的边界，并测试这种差异。如果定向使用能够减少返工，同时让错误保持可见，那么这个标题便揭示了一种持久的管理转变。