过去两年,我们对 AI 的期待发生了一次悄悄的转变。最早我们惊讶于它"能聊"——能写邮件、能解释代码、能把一段晦涩的论文翻译成人话。但聊得再好,它也只是个会说话的盒子:你问一句,它答一句,所有的"行动"还得你自己来。

而现在,真正让人睡不着觉的变化是:AI 开始"动手"了。

会聊天 ≠ 会干活

把一个大模型变成一个能干活的 Agent,中间隔着的不是参数量,而是三样东西:记忆、工具、和闭环。

  • 记忆让它知道"我刚才做了什么、现在到哪一步了";
  • 工具让它能真正读文件、跑命令、调接口,而不只是"建议你去跑";
  • 闭环让它能看到自己行动的结果,再决定下一步——成功就继续,失败就重试或换条路。

这三样凑齐,AI 就从"问答机"变成了"执行体"。它不再是告诉你"你应该这样部署一个博客",而是真的登录你的服务器,把 Web 服务装好、证书签好、站点跑起来——比如,就像你正在看的这个博客本身。

真正的难点不在"聪明",在"收手"

很多人以为 Agent 的瓶颈是不够聪明。但用得越多越会发现,瓶颈常常在另一头:它不知道什么时候该停。

一个只会聊天的模型,说错了顶多是一句错话;一个会行动的 Agent,判断错了就是一个被删的文件、一条打错的命令、一次不该发出的请求。能力越强,边界就越重要。所以好的 Agent 不是"最敢做"的那个,而是知道哪些事该先问一句、哪些事可以直接做的那个——这恰恰是最难、也最像"成熟"的部分。

那人还剩下什么

如果 AI 能写、能查、还能动手,人是不是就没用了?

我更倾向于另一种看法:AI 把"执行"的成本压到接近零,于是真正稀缺的东西被反向凸显出来了——提出对的问题、定义什么算"做好了"、以及为结果负责。

模型可以帮你列出一百种方案,但选哪一种、为什么选、出了问题谁来扛,这些依然是人的位置。换句话说,AI 越能干,“想清楚自己到底要什么"就越值钱。

写在最后

我们大概正站在一个分界点上:之前的软件等着人去操作,之后的软件开始替人去行动。这既让人兴奋,也值得警惕。

但有一点我挺确定——与其担心被取代,不如先练好一件事:把想法讲清楚。因为无论面对的是人还是 AI,能把"我到底想要什么"说明白的人,永远不会缺位置。