ARTICLE · 个人成长
AI 用得好不好，跟你会不会管人，我觉得越来越是同一件事。
一语总结本文通过与 AI 协作重构项目的亲身经历，类比人员管理不同层级需要不同的管理颗粒度，并延伸思考在未来 AI 越来越强的背景下，人类管理者应聚焦于“思考应该思考什么”。
作者在假期用 Claude Opus 4.8 重构 AI 资讯聚合网站 AIHOT 的聚簇机制，遭遇模型在仅有模糊目标时方案漏洞百出、需不断纠正的困境，联想到过去使用 Claude Fable 5 时只需给定方向即可自动完成任务的体验。由此引出核心洞察：不同能力的 AI 需要不同管理方式，与管人如出一辙——新人需逐步骤指令（Prompt Engineering），中级员工给目标与约束（Harness Engineering），顶尖人才只需方向即可自主产出。作者进一步反思未来 AI 能力持续提升，管理者应升维至德鲁克所说的“思考应该思考什么”，即判断哪些问题值得思考，这一选择背后是价值观与人生经历，无法被计算取代。
- AI 模型的能力层级决定所需管理颗粒度，与人员管理完全一致。
不同水平的 AI 需要不同精细度的指引：弱模型需要明确步骤（Prompt Engineering），中等模型给目标+约束（Harness Engineering），强模型只需方向即可自主完成。
- 管理方式与能力层级错配是 AI 使用低效的根源。
作者将策略层目标交给高级执行者级的 Opus 4.8，导致反复修正、效率低下；若给真正的策略层模型 Fable 5 则能轻松完成。
- 未来管理者应聚焦于“思考应该思考什么”，而非执行或策略。
随着 AI 能力提升，执行与策略层思考将被取代，人类唯一不可替代的是基于价值观与人生经历选择“什么问题值得想”。
AI 用得好不好，跟你会不会管人，我觉得越来越是同一件事。
作者在假期用 Claude Opus 4.8 重构 AI 资讯聚合网站 AIHOT 的聚簇机制，遭遇模型在仅有模糊目标时方案漏洞百出、需不断纠正的困境，联想到过去使用 Claude Fable 5 时只需给定方向即可自动完成任务的体验。由此引出核心洞察：不同能力的 AI 需要不同管理方式，与管人如出一辙——新人需逐步骤指令（Prompt Engineering），中级员工给目标与约束（Harness Engineering），顶尖人才只需方向即可自主产出。作者进一步反思未来 AI 能力持续提升，管理者应升维至德鲁克所说的“思考应该思考什么”，即判断哪些问题值得思考，这一选择背后是价值观与人生经历，无法被计算取代。
文章金句
"越厉害的人，你给的东西就得越不一样。
"管理者的工作，是思考应该思考什么。
"AI 可以穷举所有可能的路径，给你每一条路的概率分布和预期收益。但这条路值不值得走，这个判断，永远只能由一个真实活过的、痛过的、做过错误选择并且承受过后果的人来做。