成长 虎嗅 · 数字生命卡兹克© · 7小时前 · AI 生成
AI用得好不好，跟你会不会管人，我觉得越来越是同一件事。 作者通过自身用AI模型（Claude Opus 4.8）实现新闻聚簇算法的痛苦经历，提出了一个核心类比：不同能力层级的AI，需要用不同颗粒度的管理方式，这与管理者带团队完全一致。文章将管理颗粒度分为执行层（详细步骤）、策略层（目标+约束）和愿景层（方向+信任），并主张当下AI能力的局限恰恰要求人类管理者具备动态校准'管理颗粒度'的能力。最终作者抛出更深层的追问：当AI进化到能够胜任策略层思考后，人类管理者的终极价值在哪？答案是退回到德鲁克所说的第三层——'思考应该思考什么'，即基于个人价值观与审美做出不可计算的选择。适合在思考AI协作范式、管理模式演进或自身职业价值时阅读。原文 ↗ 原文 ↗
核心观点
▍ 不同能力的AI需要用不同颗粒度的管理方式，这与管人完全一样；用错管理层级（如将策略层目标给执行层能力的AI）是效果差的根本原因。 ▍ 随着AI能力进化，人类管理者将被逼退到第三层思考——『思考应该思考什么』，这是基于价值观和审美做出的非计算性选择，AI无法替代。 01 作者假期用Claude Opus 4.8实现新闻聚簇算法，仅给模糊目标（策略层），结果模型方案漏洞百出，毫无坚持，总在自我推翻，一天时间才勉强完成且bug不断。 02 用Claude Fable 5做类似复杂度项目的体验截然不同：只需一个模糊目标，Fable 5能给出比作者自己更好的方案并优雅完成，像『把方向给它它能自己跑到终点还填了坑』。 03 作者将管理颗粒度分为三层：执行层（详细步骤）、策略层（目标+约束）、愿景层（方向+微操），并指出必须与对象能力层级匹配，否则效果崩溃。 04 引用任正非『让听得见炮声的人做决策』，但强调前提是华为人才密度高；给新人和老将同一套管理哲学，效果天差地别。 05 论述‘思考应该思考什么’来自德鲁克，指出管理者的工作最终是哲学判断：选A还是选B背后是价值观，不是计算问题而是选择问题。 反方 / 局限
— 作者认识到自己的类比有隐含假设：AI模型的『能力层级』在迅速变化（Claude Fable 6、GPT-6即将到来），今天的管理颗粒度框架可能在三个月后失效。 — 文章未充分讨论AI在某些任务上可能超出『工具』范畴，具备比人类更好的『价值观权衡』能力（如通过对齐训练模拟人类偏好），这可能削弱『选择不可替代』的论点。
13 分钟 · 5 卡片 · 12 资料
读原文 →
概念锚点 Harness Engineering：用约束换取AI自主权
文章将管理颗粒度类比为Prompt、策略与愿景三层，而AI工程领域已有正式方法论：Harness Engineering。它通过在模型能力上叠加系统约束（规则文件、记忆系统、工具编排），把AI从被动对话工具升级为自主执行者。OpenAI的实验显示，3人小组用Harness体系5个月构建了百万行代码的产品，团队吞吐量翻了10倍。这不是未来概念，是2026年已在金融和科技行业落地的工程范式。
▸ 2 条关联资料
▼
前置背景 任正非“让听得见炮声的人决策”的真实前提
任正非这句话在华为管用的真正前提是“人才密度够高”——让打十年仗的老将去一线决策。华为2016年启动“少将连长”计划，把15-20年经验的研发高管派到一线当连长，而非派应届生。这和文章说的管理颗粒度完全一致：给对的人放权，给错的人是灾难。一旦AI的能力层级抵达“少将”级别，才能真正放权；用Opus 4.8做Fable 5的事，就像给刚升职的组长一个合伙人的目标——必崩。
▸ 2 条关联资料
▼
平行视角 AI正被中层管理者视为“裁员信号”而非效率工具
文章认为会用AI等于会管人，但现实中中层对AI的阻力远超想象。硅谷三位大佬（Block CEO Jack Dorsey、a16z创始人安德森、Palantir CTO）几乎同时喊出“AI正在杀死中层管理”，甲骨文裁员3万人首砍高级经理，Meta把管理幅度拉宽到1:50。中层管理的核心价值——信息不对称和经验判断——被AI直接瓦解。这让大多数中层选择沉默不推进AI落地，而非像文章设想的那样主动拥抱。同一件事，一线执行者看到效率，中层看到威胁。
▸ 3 条关联资料
▼
未来推演 管理者被推上“思考应该思考什么”的哲学座
文章预判当AI进化到Fable 6级别后，人类管理者将被迫退到德鲁克说的第三层——决定什么问题值得想。这个判断的关键观察窗口在三个信号：模型在策略层目标上的自主完成率（当前Opus系列约30-50%）、AI对不完整目标的纠偏能力、企业组织层级的压缩速度。以Anthropic的路线图看，2026年下半年Fable 6可能将策略层成功率拉到80%以上。真正的拐点不在技术突破，在企业愿不愿意给AI“合伙人级”的决策权限。
▸ 3 条关联资料
▼
延伸追问 当AI能自主执行策略，人类判断还剩什么不可计算？
文章给出的终极答案是“价值观和审美”——计算有最优解，选择没有。但这条边界正在被侵蚀：AI已经在伦理困境中给出建议（如医疗资源分配），甚至通过模拟百年人生轨迹预测选择后果。真正值得追问的并非“AI能不能替代人类的价值观判断”，而是：当AI能穷举所有路径并给出概率分布后，人类“承受选择后果”的体验是否还能构成不可替代的决策优势？这个问题的答案，决定了我们是否仅仅从执行者被升职到“有选择的人”——还是根本无处可升。
▸ 2 条关联资料
▼