熟练成了我的AI枷锁

我用大模型有个习惯。

遇到跨领域的事，或者想要深度挖掘一个话题的时候，我不会上来就丢一大段背景信息让它直接干活。我会先找到这个事情的「元问题」。

找到了元问题，后面的讨论方向就不会偏。比如我要做一个短视频，普通问题是「帮我写一个带货脚本」，但元问题是「一个两到三分钟的视频，凭什么会打动人」。前者是在要一个成品，后者在追问这件事的本质。

我会把这个元问题抛给大模型，然后聊起来。

一来一回，我不断补充信息，它不断调整方向，慢慢地，我们俩就把问题的边界给摸清了。等对接得差不多了，我再开始让它正式输出。

这套玩法我用得很顺。在ChatGPT、在DeepSeek、在Kimi上，基本都能拿到我想要的东西。甚至可以说，我对这种「对话式协作」已经有了一种手感，我知道什么时候该追问，什么时候该换一种方式问，怎么用几个简单的例子就能把它的输出方向掰到我想要的轨道上来。

我觉得自己在大模型这件事上，至少是个中上水平的使用者。

然后智能体来了。

说实话，一开始我没太当回事。我想的都是同一个东西嘛，底层都是大模型，我聊天能聊明白的事情，给它设定一下应该也差不多吧？

结果差得远。

我把同样的问题丢给智能体，它会给我一套看起来很完整的东西，结构化、分了点、甚至还配了步骤。但我一看就知道，不对。深度不够，分析浮在表面，缺少了那些真正需要碰撞才能冒出来的洞察。

我当时的第一反应是，我想把智能体当成一个人来养。soul.md、user.md......，所有能配的东西我一次到位全部给它塞进去，想着一步就能调出一个完美的智能体。结果就是，塞得越多它越不听话，输出跟我想要的总是差点意思。

而且最让我难受的不是输出质量的问题。是我在用它的时候，有一种很明显的失控感。

你懂这种感觉吗？跟大模型聊天的时候，每一步都在我手里。我问一句它答一句，我觉得不行就换一种问法，我觉得方向偏了就把它拉回来。整个过程是透明的、即时的、可控的。我在开船，舵在我手上。

但智能体不一样。你把任务丢进去，它开始在后台跑，调用工具、执行步骤、生成中间结果。你看着它在动，但你不知道它到底在想什么，不知道它下一步会往哪跑。就像你坐在一艘船上，船长不是你，你只能盯着窗户看外面，心里发慌。

我不是那种容易恐慌的人。但在智能体这件事情上，我真的慌过一阵子。。。

因为我也知道，智能体是一个趋势。B站的博主在讲，业内的培训课在讲，身边的朋友也在讨论。所有人都告诉你，这是下一个阶段，你得学会。

可我就是学不会。。。

更准确地说，是我不知道从哪里开始学。我感觉自己像一个已经在某条路上走了很远的人，突然被人告诉说，前面那条路其实不通了，你得换一条完全不同的路走。但我回头看，身后的路明明走得好好的啊。

后来我做了一件事。

我停了两周。

不是放弃，就是不再强迫自己去用它了。但这两周里面，每次我用大模型聊天的时候，写东西也好、查资料也好、梳理思路也好，我都会多想一个问题：

也没有刻意去研究什么理论或者方法论，就是在日常使用中不断地琢磨。大模型给我的反馈是即时的、一步步深化的，那智能体呢？它应该给我什么？我跟大模型的对话像是在一起走路，那跟智能体的关系应该是什么？

大概到了第二周的后半段，有一天我实在憋不住了，直接把这个问题抛给了AI。

我几乎把所有能用的模型都问了一遍。终于在发芽报告里的回答，让我愣住了。

它提到了一个词，「专家负迁移陷阱」。

当你在某个领域已经形成了非常成熟的方法和思维模式之后，当一个全新的工具出现时，你过去的专家经验反而会成为阻碍。因为你太习惯用旧的方式来理解新事物了，你会下意识地认为新工具应该服从你已经验证过的那套逻辑。

我看到这句话的那一瞬间，突然就想通了一件事。

我一直以来都有一个假设，我觉得大模型和智能体都是AI，底层的逻辑应该是差不多的，所以使用的方式方法也应该差不了太多。我对自己用大模型的能力是有自信的，那么我理应也能用好智能体。

但是，这个假设本身就是错的。

它们确实是同一个技术树长出来的东西，但它们要求你的思维模式完全是两套。

大模型要的是对话——是你来我往的即时反馈，是一步步通过提问把答案"聊"出来。

而智能体要的是规划——你要提前想清楚每一步做什么、做到什么程度、输出的标准是什么、哪些地方需要检查、检查完了如果不对要不要迭代。

一个是推理助手，一个是执行引擎。

你不能用一个"聊"的心态去使用一个需要"规划"和"设计"的工具。

那一刻我才明白，为什么之前听了那么多老师、那么多博主说「智能体需要流程设计」，就算我好像听懂了却始终无法真正用好。不是他们说得不清楚，是我的大脑在用「聊天高手」的经验去过滤「流程设计师」的信息。答案一直在那儿摆着，但我的旧范式让我对它视而不见。

心理学上管这种现象叫Einstellung效应，也就是思维定势。1942年就有心理学家做实验证明了，当你找到了一条能解决问题的路之后，就算后面出现了一条更好的路，你也看不见。你不是不想看见，是你的大脑自动把那条新路过滤掉了，因为老路太好使了。

想到这儿我突然明白了一件事，一个之前一直困扰我的事。

就是这半年很多大厂在招AI相关岗位的时候，居然宁愿要一个没什么经验的年轻人甚至是高中生，也不要在这个领域摸爬滚打了很多年的熟手。我之前特别不理解，觉得熟手更懂行业更懂业务更懂经验。

但事实是，大厂不缺熟手。

当看到「熟练是枷锁」这几个字的时候我突然懂了。因为现在这个时代，旧时代的那些熟练，某种程度上确实已经成了新时代的枷锁。而挣脱这个枷锁是需要时间的，而且坦率的讲，不是每个人都能做到的。新人没有枷锁，他们是一张白纸，反而更容易在新范式里跑起来。

残酷吗？

有点。

但你想想Excel那个例子就释然了。Excel玩得飞起的人，转Python的时候往往比小白更痛苦。因为他脑子里的每一个操作都是单元格级别的精确控制，而Python要的是向量化思维，是完全另一套逻辑。他越熟练，反而越难切换。

技能树真的不一样。

搞清楚这些之后，我对智能体这件事终于不慌了。因为我明白了它的正确打开方式到底是什么。

当你跳出鱼缸看鱼的时候，你就不会再回到鱼缸了。

其实，每一代技术浪潮里，好像都会出现这样一群人。他们在旧范式里已经修炼到很高的水平了，新范式来了以后，反而是他们最难转过弯来的。不是因为能力不够，恰恰是因为能力太强了。

强到形成了一套很难被打破的思维惯性。

但话说回来，这种枷锁也不是什么死刑判决。

它更像是一个信号。一个提醒你该换种方式发力的信号。

你划船的技术没有白费，只是现在该学造帆了。

帆造好之前你可能有一段时间会觉得手忙脚乱、无所适从，这特别正常。

当你意识到「熟练可能是枷锁」的那一刻，你就已经开始挣脱它了。

因为看见枷锁本身，就是自由的一半。✨

合作链接：