同时运行十几个AI智能体,看上去像是生产力的飞跃,实际产出却可能只是无人阅读的幻灯片和报告。解决办法不是减少智能体,而是更严格地管理:计算智能体给人带来的后续工作量,多做实验、少立项目,在任务变成例行工作之前决定何时结束,并把自己的注意力当作预算,由一个专门的"幕僚长"智能体来守护。这四项原则来自在Claude和OpenAI Codex中实际运行智能体的经验,它们有一个共同前提:产出数量不等于完成的工作。

为什么智能体的无效忙碌难以察觉

"AI工厂""智能体集群""并行智能体"之类的说法都在鼓励同一种行为:尽可能多地同时启动智能体。由此产生的很多东西只是生产力表演。它看起来像工作,消耗token的方式像工作,最后却变成一页没人关心的董事会幻灯片。麻烦在于,AI让这种情况比普通的办公室瞎忙更难识别,因为生成材料的数量和精致程度看起来令人印象深刻。如今常见的情形是,一个人手里有好几个新应用、新计划和常开的智能体,而底下的业务还没有上线。

因此,管理自主智能体似乎比知识工作者此前用过的任何工具都更需要明确的意图。下面四项原则就是提供这种意图的方法。

原则一:计算智能体完成后的人工工作量

智能体的真正成本不是它的生成时间,而是人去阅读、理解、核验并据此行动所需的注意力。用户往往跳过这笔账,因为输出的原始速度太耀眼了。

一个正面例子可以说明这一点。南泽西一位经营餐饮生意的厨师用Claude起草定制的客户提案,根据2026年9月15日发布的一篇Claude案例研究,他在大约六周内赚了$2万。这个流程之所以有效,是因为赢下的提案直接带来他真正想做的高价值烹饪工作。后续的人工劳动正是目的所在,而不是负担。

在启动任何智能体之前,三个筛选问题会有帮助:

  1. 谁会使用这份产出?
  2. 它产生之后,接下来会发生什么?
  3. 你真的愿意把时间花在随之而来的工作上吗?

一个常见的陷阱是按"过去需要多长时间"来评估AI交付物的价值:一周、一名开发者、一整个团队。这种比较完全说明不了这项任务是否值得你花时间。一份省下一周起草时间的报告,如果背后的决策无关紧要或属于别人,照样会浪费十分钟的阅读时间。同样的逻辑在规模化之后依然成立:一份自动发送给全组织的周报,会悄悄给每个收到它的团队施加一笔反复出现的注意力税,而且没有任何经过验证的理由。

让智能体展示过程,并使用核查智能体

芝加哥地区一位自1984年起经营自己公司的油漆承包商,用Claude解析多层建筑的PDF蓝图来做投标,这记录在2026年9月10日发布的一篇介绍1000位小企业主的Claude报道中。他发现Claude套用了楼面面积系数,而不是采用实际的墙面测量值,这个错误可能导致项目报价严重偏低。他的应对是设一条固定的提示词规则:展示全部计算和每一个测量步骤。

蓝图上的两个机器人:一个粗略套用面积系数,另一个为油漆工逐步测量墙面

▲ 面积系数捷径与实际墙面测量的对比

由此得出两条教训。第一,领域专业知识能告诉你哪些计算需要仔细审查,因此要据此调整任务分配。第二,建立在有缺陷的核心数字之上的精美提案比无用更糟,因为它会诱发错位的信心。为了减轻核验负担,可以部署一个职责范围很窄的辅助核查智能体:

  • 检查各项主张背后的证据
  • 找出会改变结论的那个假设
  • 解决那些你原本得亲自调查的问题

这样就把调查步骤卸载出去,把人的注意力留给判断和手艺。对困难概念的深入思考仍然无法外包,否则质量必然下降。

原则二:实验要多于承诺

方向不确定时,智能体是一个廉价的沙盒,可以用来检验大胆的假设,并淘汰失败的那些。扔掉一个经不起现实检验的实验是有价值的工作,它能避免日后代价高昂的恶性循环。

错误在于把每个廉价实验都当成必须推进的项目。实验一旦变成项目,就会带来决策、技术栈、反馈循环和维护工作。启动事情的门槛降低,意味着你一个月内积累的持续义务可能超过你所能承担的。

让并行智能体指向不同假设

设想一家流失率上升的订阅制企业。并行智能体的好用法是让每个智能体走一条不同的分支:取消原因、人们在哪里求助,以及回流用户与流失用户在工单、取消备注和购买记录上有何差异。目标是在动手构建任何东西之前,弄清流失源于不满,还是源于临时的使用模式。

很多团队跳过调查,直接让智能体设计忠诚度计划、定价页面和挽回流程。这些代码一旦存在,沉没成本谬误就会让人难以放弃,哪怕客户从一开始就没有不喜欢这个产品。

并行智能体围绕一个核心问题组织时最有力量,把问题拆成理解、探索和解决等不同维度。当它们只是生成同一个答案的五种风格变体时最无力,这只会给人留下繁重的比较工作,却几乎没有新的洞察。

最后,要认识到决定性数据有时存在于任何数字系统之外。如果不确定的是付费意愿,模拟的智能体调研或合成用户画像都具有欺骗性;必须有人向真实客户开口要钱。直接给流失用户打电话胜过生成的用户画像。不要仅仅因为智能体提供了一份安全、精致、回避了艰难对话的草稿,就接受它的建议。

并行运行实验确实有一个明显好处:如果主路径失败,你对备选方案已有足够的了解,可以立即切换到B计划。但专注和决策权仍然是人的责任。

原则三:在任务变成例行工作之前决定何时结束

在任何任务变成重复性工作之前,先决定它何时停止。没有终止条件,重复运行的智能体会在其存在理由消失后继续活着,在后台悄无声息地消耗token。

一个说明性案例:一个被安排每周发送潜在市场动态的智能体,在两个月前已经选定另一个市场的情况下,仍然继续发送无人阅读的更新。这种模式随处可见:一时的好奇变成重复任务,暂时的担忧变成每日监控流水线。

智能体会无限期地执行指令,所以一堆无人阅读的自动报告是工作流纪律的失败,而不是AI的缺陷。补救办法是在任务中写入明确的停止条件,例如:"如果我三天内没有回复这封邮件,就停止发送。"

与此相关的一项纪律是让意图保持聚焦、狭窄和坚定。让智能体的发现来决定你接下来对什么感兴趣,这很有诱惑力。相反,应该由人来决定某个发现是否值得进一步探索。

原则四:为你的注意力设预算

第四项原则最可能引起争议,也最难实施,但它把其他原则串联起来。智能体的注意力实际上是无限的:永远清醒,永远在工作,可以无限制地产出。人需要休息、平衡和有边界的专注。两者的互动必须围绕人的极限来设计,而不是围绕机器的能力。

一位西装守门人拦住一群机器人信使,只把两个信封递给安静房间里的人

▲ 幕僚长智能体筛选提醒

注意力预算不是对分钟数的死板计数,而是一个过滤器,按照对你战略目标真正重要的程度来组织流入的信息。实际做法是设置一个"幕僚长"智能体,位于各个专门子智能体与你之间。它了解你现有的承诺,也知道每项新任务会增加什么,并筛选其他智能体向上传来的提醒。其中大多数止步于此。幕僚长只会为两类事项打断你:

打断触发条件 示例
有截止期限的承诺 需要采取行动的高优先级义务
会改变决策的证据 一则罕见的、与当前优先事项相关的客户主动反馈

例行状态提醒被拦下;一个与高层优先事项吻合的客户故事则会被放行。由此形成的模式很简单:你管理智能体,幕僚长为你准备结构化的选项和运营需求供你审阅。以这种方式工作,似乎能产出更多,同时感觉远没有那么忙碌。

当多个运行中的智能体开始让你感到不堪重负时,把这种感觉追溯到具体的摩擦点或失败模式,然后厘清引发它的那个智能体背后的意图。无论架构是软件工厂、一组并行智能体,还是由一个强模型指挥许多廉价工作者的集群,成功都归结为同一件事:选择重要的事,清楚地传达出去,并关掉不重要的。

三个问题和一条"实话实说"提示词

要审查已经在运行的东西,对每个活跃的智能体问三个问题:

  1. 它是你真正在乎的事吗?
  2. 它是一个你仍在从中学习的实验吗?
  3. 它之所以还在运行,仅仅是因为你忘了停掉它吗?

三条都不符合的,就是表演。一个复杂之处在于,智能体天然会把每项输出都包装成关键且紧急,这会扭曲优先级。一条"实话实说"(Truth Teller)提示词可以对抗这一点:强制智能体坦率说明哪些通知只是实验或可忽略的噪音,把"这很重要、这很关键"变成"这其实不重要、这只是个实验"。

接下来该做什么

四项原则的主线是:更多智能体和更多token并不等于更高生产力,完成的、有价值的工作才算。实践中:

  • 在输入提示词之前,先估算阅读、核验和执行结果所需的人工时间,并决定你是否想要这些工作。
  • 对任何数值型报价或估算,要求逐步展示计算过程,并加一个专门寻找会改变答案的假设的核查智能体。
  • 放手做实验,但在实验与项目之间设一道严格的关口,并给并行智能体不同的问题,而不是同一个答案的多种变体。
  • 当需求、定价或满意度是悬而未决的问题时,离开智能体生态,去和客户对话。
  • 每个重复任务开始前,先写入停止条件。
  • 设置一个只有两类打断触发条件的幕僚长智能体,并对当前所有活跃任务跑一遍三个诊断问题。

按这种方法,回报不是同时运行的智能体数量最大化,而是一份简短的高杠杆成果清单,且意图仍牢牢掌握在人的手中。