2026年8月25日作者：Lei阅读 --

在 AI 时代胜人一筹：杠杆不在模型多强，而在你和模型之间那道界面

2005 年一对业余棋手加三台普通电脑，打败了大师加超算——卡斯帕罗夫由此提炼出"弱人类+机器+更好的流程"能赢。结合 Kasparov 定律、Bainbridge《自动化的反讽》、METR 实测 -19% 的 RCT，用一个能手算的 Amdahl 式杠杆公式说清：人机协作的胜负不在谁强，而在两者之间那道界面的质量。

AI Agent 工程上下文工程工程实践自动化

2005 年，一个叫 Playchess 的网站办了场”自由式”（freestyle）国际象棋赛——你可以带电脑、带队友、带任何东西上场。所有人都以为冠军会是”大师 + 顶级引擎”。结果夺冠的是一对美国业余棋手，操着三台普通 PC。卡斯帕罗夫复盘后写下一句话，后来被称为卡斯帕罗夫定律：

“弱人类 + 机器 + 更好的流程，胜过单独的强计算机；更惊人的是，也胜过强人类 + 机器 + 差流程。“（Kasparov, NYRB 2010）

这句话是这篇文章的全部。它把”如何在 AI 时代胜人一筹”从一个励志问题，变成了一个可以拆解、可以计算、可以刻意练习的工程问题。

如果你只带走一句话，就带走这个：

人机协作的产出，不由人的强弱、也不由模型的强弱单独决定，而由两者之间那道「界面 / 流程」的质量决定。模型是放大器，但放大器放大的是流程——流程好，弱手也能赢；流程烂，强手加超算也会输。你能拉开差距、能随时间复利的，从来不是”我用的模型更强”，而是”我和模型之间那道界面更好”。

这正是「杠杆思维」在 AI 时代的具体形态：杠杆 = 撬动的产出 ÷ 投入的力气，而支点就是那道界面。下面我们把这条主线拆成五问：杠杆到底放大了什么、为什么它可以是负的、负的时候是什么机制在作祟、天花板能不能手算出来、以及怎么把杠杆做正。

名词速查

术语	一句话解释
卡斯帕罗夫定律	人机对局里，决定胜负的是”流程”，不是人的棋力或机器的算力
界面 / 流程（process）	人和模型之间怎么来回：你问什么、它看到什么、你怎么核验它、错了怎么退回来
harness	包着模型的那段有状态程序——决定模型每步看见什么、输出能对世界做什么（见旧文）
工作流 / Agent	前者按预定代码轨道跑，后者让模型自己决定下一步（Anthropic 的分界）
Amdahl 定律	只加速一部分工作时，整体加速有上限；没被加速的那部分决定天花板
deskilling（去技能化）	把活长期交给自动化，人自己那点手艺会退化，需要接管时反而接不住

一、杠杆放大的是流程，不是人

先厘清一个最常见的误解：很多人把”用 AI”理解成”我 + 一个更聪明的助手”，于是把注意力全放在”助手够不够聪明”（模型够不够强）上。

但杠杆的数学不是这样的。杠杆是个乘法：产出 = 你的输入 × 放大倍数。放大器忠实地放大喂给它的东西——喂进去的是好流程，它放大好流程；喂进去的是烂流程，它同样忠实地把烂流程放大。这就是为什么 2005 年那对业余选手能赢：他们不比大师懂棋，但他们更懂怎么问、怎么让三台机器互相印证、怎么在机器给出的候选里做取舍。他们的支点更好，于是同样一份力气撬起了更大的产出。

这也解释了一个反直觉现象：换个更强的模型，往往没有换个更好的流程效果大。本站《什么才是好的 Harness》里有个实测数字——同一个模型，harness 不同，端到端性能可以差 6 倍。模型是分子，流程是杠杆，而杠杆是乘上去的。

二、拆解卡斯帕罗夫定律：四种配置，谁赢

把那句话摊开成一张表，主线立刻清楚了。“棋力”是人的原始能力，“算力”是机器的原始能力，“流程”是两者之间那道界面的质量：

配置	人	机器	流程	结果
强人类单打	强	无	—	输给带机器的
强计算机单打	无	强	—	输给”弱人+机+好流程”
强人类 + 机器 + 差流程	强	强	差	输
弱人类 + 机器 + 好流程	弱	中	好	赢

最后两行是全部的重点：在人和机器都不弱的一方，输给了流程更好的一方。卡斯帕罗夫自己的解释是——那对业余选手”擅长指挥和’教练’他们的电脑去深入分析局面，这种能力抵消了对手更强的棋感和更大的算力”。

注意这里的”弱人类”不是”外行”。卡斯帕罗夫说得很明确：弱人类懂机器的规则，知道怎么把问题问对。这一点对 AI 时代格外重要：胜出的不是”会敲提示词的人”，而是”懂模型在哪强、在哪必然出错，从而知道该把什么交给它、什么必须自己兜”的人。这道认知，就是流程的核心。

三、灰度提醒：杠杆可以是负的

到这里你可能觉得”那我多用 AI 就是了”。但真实数据给了一记响亮的耳光。

2025 年 7 月，METR 做了一个随机对照试验（RCT，临床药物试验那种金标准）：16 位资深开源开发者，在自己平均干了 5 年、烂熟于心的成熟项目上完成 246 个任务，每个任务随机分配”允许/不允许用 AI”。用的是当时前沿的 Cursor Pro + Claude 3.5/3.7 Sonnet（METR, arXiv:2507.09089）。

结果是三层反直觉的错位：

开工前，开发者预测 AI 能让他们快 24%；
干完后，他们感觉 AI 让自己快了 20%；
而客观测量：允许用 AI 反而让完成时间增加了 19%——AI 把他们拖慢了。

（以上数字均来自 METR 论文，属”核实来源”档，非我亲手复现。）

最刺眼的不是那 19%，是那个感知—现实的鸿沟：人被拖慢了 19%，却坚信自己快了 20%。放大器确实在放大，只不过这次放大的是一个负流程，而当事人浑然不觉。

这是典型的灰度问题，不能简化成”AI 好 / AI 坏”的二元对立。METR 自己也强调边界：样本只有 16 人、都是在极其熟悉的成熟大项目上、用的是早期 2025 的工具。他们明确指出，换成陌生代码库或全新的小项目，结论很可能反过来变成大幅提速。所以正确的问法不是”AI 快不快”，而是——在什么条件下杠杆为正，在什么条件下为负？

四、为什么会负：Bainbridge 1983 的铁律

杠杆为负的机制，一位认知心理学家在 1983 年就写清楚了——那时还没有 LLM，她讲的是自动化工厂和飞机驾驶舱。Lisanne Bainbridge 的《自动化的反讽》（Ironies of Automation, Automatica 19(6):775–779）至今被引用超过一千八百次，且还在涨。

它的核心反讽是：你把越多的活交给自动化，剩下那点必须由人干的活，就越难。 有三个机制：

剩余任务是最难的那些。 能自动化的都自动化了，留给人的恰恰是机器搞不定的疑难杂症——而人平时又不练手，真遇上时反而更吃力。
接管总发生在最糟的时刻。 需要人工介入，通常正是系统出问题的时候，此时需要的是更强而非更弱的人、更闲而非更忙的人。
技能会因闲置而退化（deskilling）。 长期不用的手艺会生疏，等你需要接管时，你已经不是当年那个你了。

把这三条翻译到 AI 编程：模型替你写了 80% 的代码，剩下 20% 是它反复搞不定的边界情况、诡异的集成、需要全局判断的架构决策——恰恰是最难的部分。与此同时，你花在”读懂并核验模型输出”上的认知负荷不降反升；你自己徒手写代码的手感，在慢慢退化。METR 那 19%，本质就是 Bainbridge 铁律在 2025 年的一次精确复现。

Bainbridge 还点破了一个设计者的谬误：工程师总把人当成”系统里最不可靠的一环”，想把人设计掉；但结果不是消灭了人类的易错性，而是把它从车间挪到了设计室。这句话今天听格外扎心——把判断全塞进提示词、指望模型全自动兜底的人，只是把自己的错误挪到了更看不见的地方。

五、把天花板算出来：一个能手算的杠杆公式

Bainbridge 是定性的，我们能不能把它变成一个能手算的式子？能——借 Amdahl 定律。它原本讲”只并行化一部分程序时，整体能快多少”，换成人机协作恰好合身：

$\text{整体加速比} = \frac{1}{(1-p)\cdot k + \dfrac{p}{s}}$

$p$ ：你的工作里 AI 能实际接手的比例；
$s$ ：AI 在那部分上的加速倍数；
$k$ ：剩余工作（那 $1-p$ ）的”税率”——核验、上下文切换、去技能化带来的额外负担，Bainbridge 说的就是这个 $k>1$ 。

拿几个数字过一遍（以下均用一次性脚本 python3 -c 验算过，属”亲手测”档）：

场景	$p$	$s$	$k$	整体加速
A 一半工作、AI 提速 5×、无额外税	0.5	5	1.0	1.67×
B 同上，但剩余工作 +20% 核验税	0.5	5	1.2	1.43×
C AI 在它那半反而变 0.77×（摩擦），剩余不变	0.5	0.77	1.0	0.87×（慢 13%）
D 八成可外包、5× 提速、剩余 +50% 税	0.8	5	1.5	2.17×

三个能带走的结论：

天花板由 $1-p$ 决定，不由 $s$ 决定。 场景 A 里就算把 AI 那半调成”无限快”（ $s\to\infty$ ），整体也只能到 $1/0.5 = 2×$ 。你没交出去的那部分，才是你的天花板。 想再高，得想办法把更多工作变得”可安全外包”——这是流程设计，不是换模型。
杠杆真的会翻负。 场景 C 只要 AI 那部分因为来回摩擦反而更慢，整体立刻从加速变成 慢 13%——方向和 METR 的 −19% 完全一致。同一个公式，既解释了提速也解释了拖慢。
$k$ 是隐形杀手。 场景 B 和 D 告诉你，核验税每涨一点，收益就被吃掉一大块。流程优化的主战场，就是把 $k$ 压回接近 1——让核验变便宜、让错误早暴露。

六、把杠杆做正：三个支点

流程不是玄学，它落在三个可操作的支点上，每一个本站都有专文，这里给你接口：

支点一：把界面做对——判断归模型，物理归代码。 好流程的第一件事，是分清哪些该由模型判断、哪些该由代码保证。写进提示词的规则是”恳求”（请不要删库），写进 harness 的规则是”物理法则”（你无法删库）。把确定性的活从模型手里拿走、让错误变便宜，这是压低上面那个 $k$ 的主力。展开见《什么才是好的 Harness》。

支点二：让它伸对手——工具是目标函数的影子。 模型会不会调工具、会不会滥用，不取决于它”懂不懂”，而取决于目标函数怎么塑造。理解这一点，你才知道什么时候能信它自己调工具、什么时候得由流程兜住。展开见《模型为什么会伸手》。

支点三：先上工作流，再谈 Agent。 Anthropic 在《构建高效 Agent》里划了条线：工作流是模型和工具跑在预定代码轨道上，Agent 是模型自己决定下一步。他们的建议朴素但反潮流——从最简单的方案开始，只在任务真的需要动态决策时才升级到 Agent。多数生产系统其实是工作流，因为工作流可预测。对照 Amdahl：工作流是在用代码固定住流程、把 $k$ 摁在低位；盲目上全自动 Agent，往往是在给自己加 $k$ 。

这三条不是三个技巧，是同一件事的三个切面：你和模型之间那道界面的质量。

结尾：一张自检表 + 一个最低成本实验

下次在决定”要不要、以及怎么让 AI 介入一件事”时，对着这张表过一遍：

问题	对应原理	如果答案不妙
这件事我熟到什么程度？越熟，AI 提速空间越小	METR 边界条件	熟悉的成熟代码，谨慎；陌生/全新场景，放心用
$1-p$ （我必须自己干的部分）有多大？	Amdahl 天花板	太大就先想怎么把工作拆得可外包，别急着换模型
核验它的输出，比我自己做还累吗？	$k$ 税率 / Bainbridge	是，就先把核验做便宜（测试、类型、diff 门）
出错时我还接得住吗？我的手艺退化了吗？	deskilling	接不住，就保留一部分自己动手，别全托管
这一步该模型判断，还是该代码保证？	判断归模型物理归代码	该物理的别写进提示词恳求

诚实的提醒：本文的 METR 数字（−19%、24%、20%）、卡斯帕罗夫原话、Bainbridge 三机制，均来自公开来源并当场核实，但我没有亲手复现 METR 的 RCT；Amdahl 那几个数字是我用脚本算的，可复现但只是模型化的示意，真实工作里 $p/s/k$ 都难精确测量。

一个人人都能跑的最低成本实验：挑一个你熟悉的小任务和一个你陌生的小任务，各做两遍——一遍纯手工、一遍配合 AI，掐表记录真实耗时（不是感觉）。你大概率会看到：陌生任务上 AI 是正杠杆，熟悉任务上可能是负的，而你的体感在两种情况下都偏乐观。这个 15 分钟的实验，比读十篇方法论更能校准你对自己那道界面的认识——而校准这道界面，就是在 AI 时代持续胜人一筹的复利本身。

参考来源

思想源头与工程实践

Garry Kasparov, The Chess Master and the Computer, The New York Review of Books, 2010（卡斯帕罗夫定律出处）
Anthropic, Building Effective Agents, 2024（工作流 vs Agent，“从简单开始”）
Amdahl’s law（整体加速上限）

论文

Lisanne Bainbridge, Ironies of Automation, Automatica 19(6):775–779, 1983（ScienceDirect）
METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, arXiv:2507.09089, 2025

本站相关