AI Sandwich:AI会越来越会干活,而你要学会往两头走,而不是和抢活干

四月底，Every的AI & I播客出了一期访谈。Dan Shipper和Cora的GM Kieran Klaassen聊了一个话题：AI现在已经能写代码、写文案、做方案、出设计，如果中间那段执行层基本被解决了，人到底该站在哪？

Kieran给了一个比喻，很简单，简单到像在开玩笑。但这个比喻我越想越觉得，它可能比市面上大多数AI工作流框架都更接近真相。

他说：把AI工作流想象成一个三明治。AI是中间那块肉，人是两片面包。

没讲完。后面还有一句更重要的：大多数人过去二十年训练出来的工作方式，是把自己当肉。现在肉被AI当了，你还往中间挤，只会被夹扁。

这篇文章我想把AI Sandwich讲透——它到底是什么意思，为什么它对普通人来说可能比学会用任何具体AI工具都重要，以及你怎么把它用到自己的日常工作里。

01

过去二十年，我们一直把自己当肉

先说一个你可能没意识到的事实。

在我们学会用AI之前，所有关于“工作能力”的定义，都默认你站在流程的中间。

写一篇文章？你要自己查资料、列提纲、写初稿、改句子、调结构。做一份方案？你要自己整理信息、判断需求、画PPT、反复修改。写代码？你要自己拆需求、写逻辑、debug、重构。

中间那段执行层，就是你过去这么多年练出来的核心能力。 你的效率、你的专业度、你的不可替代性，全都建立在这上面。

然后AI来了。它写初稿比你快，整理资料比你全，写代码比你稳。所有你最擅长的事，它忽然做得比你好或者至少和你一样好。你慌不慌？

大多数人的第一反应是：那我就更努力地学AI，让它的执行能力发挥到极致。我要把prompt写得更长，把workflow搭得更复杂，让AI多做一点、再多做一点。

Kieran管这个叫“死胡同”。他的原话是：“LLMs are very good at just following steps, doing deep work, working for hours—days even now. That thing is kind of solved.”——模型非常擅长一步步跟指令、做深度工作、连续工作几小时甚至几天。执行这件事，某种意义上是已经被解决了。

如果你还在跟AI比谁能把执行层做得更好，你是在跟一个不知疲倦、没有拖延症、不用睡觉的东西比耐力。你没有赢的可能。

但Kieran接下来问了一个特别狠的问题：如果执行层被解决，工作流里还有什么东西是AI搞不定的？

答案就在三明治的两片面包上。

02

两片面包：开头定框架，结尾做判断

AI Sandwich的核心逻辑只有一句话：AI跑中间，人管两头。

先讲第一片面包——开头：定框架。

Dan Shipper在访谈里说了一句我很服气的话：“agents can’t change frames.”Agent不会切换看问题的角度。

他举了个例子。如果你膝盖疼，你可以吃止痛药，可以拉伸髂胫束，可以停止在硬路面上跑步。同一个症状，人类可以从完全不同角度来诊断问题根源。而给Agent一个任务，它做的第一件事是问：“往哪个方向查？”它需要一个站位才能启动，在查的过程里很难主动问：“我们要不要换一种思路？”

很多人在用AI的时候，以为开头的活儿就是写prompt。不对。开头最关键的不是写一大段咒语，而是定框架。Kieran把它拆成了四件事：

第一，问题到底是什么。

不是“帮我写一篇文章”，而是“帮我写一篇给小老板看的文章，让他明白为什么AI落地不能只买工具，还要改工作交接方式”。

第二，谁来读、谁来用。

同一个主题，给老板看、给销售看、给运营看，写法完全不一样。AI不知道你的读者是谁，除非你告诉它。而“知道该告诉它什么”这件事，只有你懂。

第三，什么算好。

是要讲清楚概念，还是要让对方做出某个具体动作？目标不同，整个产出的方向就不同。

第四，边界在哪。

能不能用竞品做对比？能不能用某个特定案例？预算上限是多少？这些边界条件决定了AI产出能不能用。

Kieran管这个阶段叫planning。在他的compound engineering框架里，这是四步中的第一步。他说的原话是：如果计划足够清楚，work这一段已经可以交给模型很大一部分。

再说第二片面包——结尾：做判断。

AI把活干完之后，你要做的不是检查错别字，而是问自己一个问题：这个结果，对吗？它真的能交出去吗？

人类可以同时识别出同一个问题的多种可行解决方案，而AI不擅长这件事。它能给你一个像样的答案，但不一定是最合适的。

Kieran举了一个音乐上的例子。他以前是古典作曲出身，他说音乐表演里有一个环节叫polish。不是改谱子，是反复听、反复感受、反复微调，直到那个东西“对了”。他管这个过程叫“taste”——品味。

放到AI工作流里，taste就是结尾那片面包里最核心的活儿。AI做完事之后，你能不能判断：这个结果符不符合你最开始的设想？如果不对，是哪里不对？要重新定什么框架再让AI跑一遍？

我听一个做AI辅导老师的朋友说过一句很精辟的话：“AI能证明自己是对的，但证明不了自己是错的——除非你指出来。很多人AI用不好，是因为他指不出来。”

开头那片面包考验的是你定义问题的能力。结尾那片面包考验的是你做判断的能力。而这两件事，恰恰是AI目前最不擅长的。

Dan Shipper在访谈的X推文里总结得非常精炼：“This is what separates art, which has a point of view, from generic slop.” 做判断这件事，是把有立场有态度的作品，和流水线出来的AI slop分开的那条线。

03

把三明治做成可以滚雪球的循环

Kieran不光提了AI Sandwich，连配套的工程框架也讲了。叫Compound Engineering。四个步骤：Plan、Work、Review、Compound。

前三个你已经懂了。Work是AI跑的那段（肉），Plan和Review是人要做的（两片面包）。

第四个步骤，Compound，是Kieran这套框架里我最想单独讲的东西。

什么叫Compound？翻译成大白话：每跑完一轮，让AI把你这次学到的经验沉淀下来，方便下次复用。

他自己举的例子是这样的。做完plan→work→review，你会得到两样东西：一个成功的产出，和一大堆运行日志、prompt记录、review意见、修改过程。如果你把这些东西扔了，下次你从零开始。如果你把每轮里的框架设计经验和review决策喂给AI，跟它说“这是上一轮任务里我认为值得记住的部分”，下一次你再定义问题时，AI已经装着上一轮的经验了。

很像复利的逻辑。而且不需要特别的工具。他提到可以用GitHub issue来记，用Notion来记，或者直接在IDE里用注释做。关键在于你要让这个记录的循环被AI读到，而不是躺在你的脑子里。

我自己在跑自己的知识库的时候，最吃亏的就是这一步。跑了上百次分析，每次都是新鲜开局。三个月后想复盘一个结论是怎么做出来的，已经找不到当时的上下文了。如果我有意识地把每轮的分析框架和review意见喂回去，第二十次分析的质量应该远高于第一次。

三明治只告诉你人在哪。Compound告诉你，人还应该把每次都变厚一点。

04

AI Sandwich的边界在哪

讲完这个概念，我必须踩一脚刹车。

AI Sandwich不是万能的，它有一个明确的适用边界。而这个边界，就是信任。

Every的David Koss在4月28号发了一篇对AI Sandwich的回应。他引入了一个很重要的概念叫Trust Battery——信任电池。这个概念是Shopify CEO Tobi Lütke最早提出的，意思很简单：所有合作关系都运行在信任电池上。信任电池有电，你可以给它更多空间；信任电池没电，你得亲自盯紧每一个环节。

把Trust Battery和AI Sandwich放在一起，你会看到一个更完整的画面：

你和AI之间的信任电池够不够电，直接决定了两片面包可以夹多远。

David Koss自己举了四个场景：

第一件事——一个管理员脚本。他看了一眼AI写的代码，发现没什么问题，就直接部署了。为什么？因为信任电池满的。这种脚本他写了上百次，AI也写了上百次，他知道AI能搞定。

第二件事——一个日志收集分析系统。他还是用了AI Sandwich，但这次花了二十分钟检查，发现了三个连接错误和架构问题才部署。信任电池半满。

第三件事——一个内部应用用于管理公司业务流程。他花了额外的时间先跑数据验证脚本，确定数据映射正确、权限安全、工作流逻辑没问题，才上线。信任电池只够三分之一。

第四件事——一个涉及金融数据的任务。他直接退回了传统开发模式，手动写代码、手动测试、手动review。不是AI不能用，是后果他承受不起。

这四件事用的是一模一样的AI Sandwich工作流——人定框架、人做判断。但信任电池的充电状态不一样，人的参与深度就完全不一样。

AI Sandwich不是一个“放之四海而皆准”的公式。它的执行半径，取决于你和AI之间已经建立多少信任。 信任高，两片面包可以夹很远。信任低，你不仅要检查结果，还得钻进流程中间抽查AI的执行过程。

我在实际的公众号文章写作里也碰到类似的情况。有些选题我写了二十篇以上，AI Sandwich跑得非常流畅：我定选题和框架，AI出草稿和素材整理，我改结构、加故事、调语气。但每次遇到一个全新的领域，我发现自己会不自觉地挤回中间——我会在AI出草稿之前先自己写一段，去感受“这个题到底应该怎么写”。这不是流程的问题，是我和AI之间在这个领域还没有建立足够的信任。等我在这个领域写够五篇，AI Sandwich又回来了。

信任电池是你的参与度的调节枢纽。 很多人刚开始接触AI Sandwich会有一个困惑：开头该多细？结尾该查多深？答案不在流程设计里，在信任电池上。信任不够的时候，你就多做一点，多钻进中间看几眼。信任够了，你自然会放手更多。

05

普通人怎么把这套东西用到自己身上

讲完了理论，说点你能现在就开始做的事。

第一，把你明天要做的一件事，拆成三明治。

找一件你明天真正要干的活——写周报、做方案、改代码，什么都行。然后在动手之前，先花15分钟定框架：这件事到底要解决什么问题？给谁看的？什么算好？边界在哪？把这四个问题的答案写下来，然后丢给AI让它跑中间那段执行。最后花10分钟做判断：结果能不能用？哪里不对？要不要重新定框架再跑一轮？

你第一次跑这个流程，可能觉得“定框架”比“亲自做”还费劲。正常。因为你定框架的能力还没练出来。练上十次，你会开始发现：你花在改AI产出上的时间在变短，因为你开头定的框架越来越准。

Kieran的原话是：“The more you trust the model, the further apart those two slices of bread get.”你越信任模型，两片面包就离得越远。

第二，把你的信任电池画出来。

拿张纸列三个清单：

• 清单A：哪些任务你闭着眼睛都知道AI能做好？对这些，面包可以夹很远。

• 清单B：哪些任务AI能做但你不能完全放心？对这些，Review要仔细，必要时钻回中间抽查。

• 清单C：哪些任务你不敢冒任何风险？对这些，别用AI Sandwich。自己上。

这份清单不是固定的。它应该每月更新一次。六个月后回头看，A清单应该越来越长。

第三，让你和AI的每一轮合作都留下痕迹。

David在文章里说他已经跑通了这一步。他用任务间文件作为trust电池的缓存——上一轮任务的执行记录和Review意见，会直接写进下一轮AI的上下文里。AI不需要重复学习，它直接继承上次的经验。如果你已经装过Notion MCP或相关工具，AI可以直接在任务间创建一个memory文件，自动写入值得保留的关键事项。

最简陋的版本：建一个记事本，每次跑完一轮AI Sandwich，记一行“这次定框架踩了什么坑”和“review环节发现什么问题”。下个月你翻这个笔记，会长出一张你自己的AI协作能力地图。

06

写在最后

回到文章开头那个问题。AI越会干活，你该站在哪？

我读了很多关于“AI时代人类价值”的文章，大部分都在说两件事：要么让你学更多的AI技能，要么告诉你“AI替代不了人类的创造力、情感、共情”。前者让你永远追在AI后面跑，后者太虚了，没人告诉你明天上班到底该怎么做。

AI Sandwich的意义在于：它给了普通人一个可操作的位置——站在开头和结尾。

开头是你的框架，是你在行业里泡了这么多年积累下来的嗅觉——知道什么问题是真正重要的问题，知道这个客户真正在乎的是什么。

结尾是你的判断力，是你看了几百个案例之后培养出来的taste——知道这个东西能不能交付，有没有真正解决问题。

这两件事，AI目前做不了。不是因为AI不够强，而是因为这两件事的本质都是在“做选择”，而选择需要承担后果。AI不承担后果。只有你承担。

Kieran在访谈里说过一句很朴实的话：“Find your place in an AI-accelerated world by leaning into what brings you joy.”在一个被AI加速的世界里，找到你位置的方式不是拼命追AI，而是回到那些让你觉得有劲儿的事上。

对于普通人来说，AI Sandwich最大的价值不是让你更高效——是让你知道，你不需要跟AI比谁能干更多活。你只需要站在它够不着的地方，做它做不了的事。

你手里那两个位置，是AI Sandwich的答案，也可能是AI时代普通人最后的一张底牌。