ARTICLE · 997084
把 AI 当工具的人,和把它当员工管的人,是两个物种
先说结论：很多人用不好 AI，不是输在不会写提示词，是输在没当过它的老板。
过去几个月，不断有人问我：你的知识库是怎么搭的？你的记忆分层是怎么做的？这个效果是怎么实现的？我想让他帮我干XXXX的事，提示词该怎么说？
我每次都认真答。但我知道，答案他们拿不走。因为这些问题问的是"术"——工具、技巧、模板；而真正拉开差距的是"法"——一套管理逻辑。
我没有研究过 prompt engineering，也没有一上来就设计过什么系统。我现在用 AI 的所有方法，都是过去十几年做乙方、带团队、做集团管理时养成的工作习惯，一点一点平移过来的。用着用着，它们长成了一套装在电脑里的管理体系。
这篇文章讲清楚一件事：把 AI 当工具的人，和把 AI 当员工管的人，用的是两个物种。
一、AI 不是工具，是员工
先说我对 AI 的基本看法：AI 太像人了，像到你必须用对人的方式对它。
它是什么？一个预训练过的脑子，装上了手脚。预训练意味着它读过的东西比任何人都多，起点比一般的大学生、小白实习生高得多，它是能干活的——这一点和很多人想象的"人工智障"不一样。
但它有一样东西没有：审美和判断。
它知道所有"正确"的写法，但不知道什么是"好"。而"什么是好"这个答案，只能从使用它的人身上来。所以我一直说一句话：AI 的品味上限，是主人的品味上限。
这句话解释了一个大家都观察到的现象：同一个 AI，一千个人用出一千种水平。有人用它出垃圾，有人用它出精品。差别不在 AI，在于它照的是谁——它不是工具，它是镜子，照的是使用者的判断力。
在这个世界观下面，我对 AI 其实有三种用法，准确说是三种关系：
01当我自己在用（执行）。这时候它是我的手。我要的是快、准、不问废话，把我已经想清楚的事干出来。
02当我的下属在教（管理）。这时候它是新人。我要教它我的判断、我的术语、我的禁忌，按我的标准把它带出来。
03当我的顾问（咨询与教练）。这时候它是外脑。我要它挑战我、补充我看不到的角度，但注意——听意见，决策权不交。
我自己的系统里，对话模式就白纸黑字分这三种：执行、咨询、教练。这不是仪式感，是强制我在开口之前先想清楚：这一轮，它是我哪一层的人？
大部分人用不好 AI，问题就出在关系错位：把它当手用，却期待它挑战你——然后失望"它只会顺着我说"；把它当顾问用，却只给一句话的背景——然后得到一堆正确的废话；把它当下属，却从来不教它你的标准——然后抱怨"别人的提示词我拿过来，怎么出不了东西"。
不是你不会用，是你不知道自己正在跟它处哪种关系。
再往深说一层。把 AI 当工具，你只会评估工具产出的结果：好，或者不好，不行就换。工具不会成长——这次用它和下次用它，是同一个它。
把 AI 当员工、当一个人，你考虑的是另一件事：管理的本质是赋能他人成长。 你教它标准、给它反馈、逼它沉淀，让它一次比一次强，最后和你共同交付更好的结果。工具只能被使用，员工能成长——你花在它身上的每一分带教，都会变成它下一次的起点。
二、一个改了十几稿的 PPT
讲个我乙方时代的事。
以前我在广告公司做交付，出 PPT、出物料、出广告片。经历过的都懂那个场景：甲方提个需求，你出一稿，他提一轮修改意见，你再改，他再提……来来回回改了十几稿，最后大家一起发现：还不如第一稿。甲方最终选的，往往就是第一稿。
这是执行不行吗？不是。
是需求从来没有被定义过。 甲方自己也不知道他要什么，他只能通过"看到不对的"来逼近"想要的"。你那十几稿，每一稿都是在替他模糊的需求交学费。
今天，同样的事情发生在每个人和 AI 之间：对着 AI 说"再改一版"，改了十几轮，越改越不对。乙方时代改十几稿，AI 时代问十几轮——工具变了，病没变。
这个病，我管它叫布置任务失职三件套：
01脑子里有完整画面，说出来只有一句话。 你以为对方知道你脑里的图，其实对方只收到了那行字。
02不给背景。 这个任务为什么存在、服务什么目的，你不说，执行者只能猜。
03不说什么叫好。 验收标准缺失，"好"的定义在你脑里锁着，交付的人永远在打一个看不见的靶。
所以"为什么别人的提示词我拿过来就出不了东西"——因为提示词的失效，根本不是咒语不对，是管理失职。咒语可以抄，管理抄不走。那条提示词背后，是人家对自己需求的定义、给过的背景、设好的验收标准。这些东西不随提示词一起复制。
做管理的人对这个病太熟了。我以前在集团做执行管理，见过最多失效的中层，就是传声筒：老板说业绩要提 30%，他原封不动转达给下面，"老板说了，提 30%"。怎么提？走什么渠道？每个渠道抓什么指标、什么动作？一概不拆。这种中层，下面觉得他没用，上面觉得他无能。
把网上抄来的提示词原封不动发给 AI 的人，就是传声筒中层。
老板（你）的战略，到中层（你的理解和拆解），到基层（AI 的执行）。提示词只是"提 30%"那句话，值钱的是中间那层翻译。抄提示词的人，抄走的是那句话，抄不走翻译层。
三、我管 AI 的四个动作
那正确的管法是什么？我把集团里那套中层管理的逻辑完整搬了过来。合格的中层管理就两件事：翻译，以及为结果负责。 拆开是四个动作。
1. 翻译：把方向拆成可执行的路径
老板说"业绩提 30%"，合格的中层要拆：通过什么渠道提？每个渠道的关键指标是什么？关键动作是什么？谁有能力扛哪个指标？拆细、拆干净，分配下去。
我给 AI 派活，从不说一句话需求。我的系统里有一个东西叫任务书（Brief）：背景是什么、目标是什么、验收标准是什么、边界在哪里（什么不许碰）。AI 拿到的是一份拆好的执行路径，不是一句"帮我写个东西"。
翻译层的厚度，决定交付的质量。布置任务的前 20%，决定交付质量的 80%。
2. 布置：先定义需求，再允许动手
做管理培训的时候学过一套带教口诀，OJT（在岗培训）的经典版本：说给他听 → 做给他看 → 让他做做看 → 让他说说看 → 给反馈 → 再回头看一看。
注意后三步。让他说说看——让他复述对齐；给反馈——当场纠偏；再回头看一看——复盘。大多数人对 AI 只做第一步"说给他听"，然后抱怨徒弟不行。
还有一个更隐蔽的问题：AI 不会反问。
好员工接到模糊任务会反问：您要这个结果是为了什么？验收标准是什么？AI 不会，你给它一句话，它就硬着头皮干。所以我干脆把"反问"做成流程：在任务定义阶段，用一个专门的对话环节（我用的是自己改装的 grill 机制）让 AI 先向我提问——搞清楚我脑里的画面、目的、验收标准，全对齐了再动手。我写的很多 Skill 里，第一轮强制动作就叫"定义需求"，不定义完不许往下走。
3. 验收：先要 80 分，判断标准焊死在老板手里
我对 AI 的预期从来不是一步到位出 100 分。我要的是先出 80 分，然后把它带到 100。
为什么？因为100 分的定义，是在迭代中才浮现的。 你没看到 80 分的样子，就说不清楚 100 分是什么。要求一步到位，不是高标准，是懒政——把"定义什么是好"的责任推给了执行者。
从 80 到 100 的走法有两种：一种是"我说你做"，我提调整意见它改；一种是"我做你看"，我亲自上手改一版（下一个动作详说）。
验收这个环节还有一条铁律：判断标准永远焊死在老板手里。 现在流行让 AI 自动循环跑任务——自己执行、自己检查、自己迭代。可以，但前提是"好与不好的判断标准"必须由人定。AI 可以替你跑圈，方向盘不能交出。让 AI 自己定标准、自己验收，等于放员工出去自己定 KPI、自己打分，跑得越快，偏得越远。
4. 带教：我改一版，不是替它干活
我经常会亲自上手，把 AI 的产出改一版。
但注意目的：我改一版，不是替它把这轮活干完，是让它明确知道我的标准是什么。 改完，它会拿我的版本和它的版本做对比、总结差异、沉淀成规则——下一次，它的起点就从 80 分变成 81 分。
这不是理念，是我系统里真跑着的机制：我手改过的定稿，会被沉淀成一份不断累加的"改稿判例"，作为后续所有同类工作的标准。带教和帮忙的区别就在这一步：改完就结束的，是帮忙；改完沉淀下来的，才是带教。
管理上说，领导最大的浪费，是把同样的话讲一百遍。沉淀，就是让每句话只讲一次。
四、我的系统，就是一家公司
讲到这，可以把我的系统摊开了。
前面说，集团管理的逻辑跑到最后，会沉淀成四样东西：员工手册、SOP、数据看板、驾驶舱。我的 AI 系统里，这四样一样不缺，连名字都懒得改：
员工手册
根目录的规则文件：你是谁、怎么跟我协作、什么事必须先问我——写权 100% 在我
SOP
各条工作管线：每类任务的标准工序，第几步干什么、谁来审
数据看板
今日状态、在途事项：每条线干到哪了、球在谁手里
驾驶舱
本地总控面板：所有板块的状态一屏看完
组织架构也是齐的。我相当于董事长：定方向、做终审、握红线。我的主 AI 助手（Claude Code）相当于总经理：接我的方向，翻译成任务书，监控执行，向我汇报。工程类的活有专门的执行角色（Codex），相当于工程部。跨部门有明确的职责边界：什么活归谁，写在一套边界规则里，不许越界。
然后我们回到开头那个问题：知识库怎么搭？
现在你有答案了——知识库不是资料仓库，是你给下属准备的教材。 你不会给一个聪明下属扔十个 G 的资料说"自己看"。你会给他：你的判断（判断库）、你踩过的坑（踩坑记录）、你认可的打法（方法论库）、遇到什么事翻什么文件（索引）。你先想清楚你要教出一个什么样的下属，知识库的样子自然就出来了。
问"知识库怎么搭"的人问的是技术，答案是定位。
最后说一件可能领先行业半步的事。现在企业应用 AI，普遍还停在第一层：怎么让 AI 融入工作。我判断半年之内，话题会变成第二层：怎么衡量 AI 的产出，怎么给 AI 定 KPI和投产比（管理说的人效）。
而我的系统已经在跑第二层的路上了：每一份交付有终审（绩效评估），关键任务有独立复验（审计），产出的数量守恒有对账（少了要查），每天开工有启动管线（晨会考勤）。别人还在讨论怎么给 AI 定 KPI，我这家公司已经在做绩效考核了。
五、人人都是自己 AI 公司的老板
收个尾。
回头看，个人用 AI 其实是三级火箭：
01all in one 阶段：一个窗口聊天下，AI 是全才员工。能起步，但天花板很快到——一个员工同时干八个部门的活，记忆被杂事污染，什么都聊不深。
02分工阶段：不同的活给不同的角色，不同的对话轮次，一个萝卜一个坑。开始有组织架构了。
03考核阶段：给 AI 定标准、做验收、跑复盘、做沉淀。开始有管理体系了。
大部分人卡在第一级。市面上的内容，术层文章讲第一级的工具，工程文章讲第二级的架构，第三级几乎没人讲。这篇文章，就是想把第三级的门打开：工具会过时，模型会换代，但"怎么管"这套东西，跟你一辈子。
最后聊一个写这篇时候蹦出来的话题。现在很多人写文章讲究"去 AI 化"，把结构化、术语化的表达改成口语化，假装是人手写的。我认为这件事反逻辑：我就是 AI 辅助的，怎么了？结构化梳理明明是优秀的点，为什么要藏？未来的内容，一半给人读，一半就是给 AI 读的。
但要切清楚两个词：去 AI 味和去 AI 化是两回事。去 AI 味，是去掉低质量表达的通病——空洞的排比、正确的废话、匀速的节奏，这是质量管理；去 AI 化，是为了伪装成人写的而扭曲表达，这是自欺欺人。我的态度就一句：我不藏我用 AI，我只是不接受 AI 的平均水平。
还有人问：我不懂技术，怎么学Ai，用Ai，管 Ai？
答案是：老板真的需要行行精通吗？不需要。我做不了代码，工程体系也不是我的强项，但我能梳理逻辑和本质。老板的核心能力，从来不是专业精通，是基于自己的认知体系，判断什么是好、什么是不好。而且这段关系是双向的：我教 AI 我的标准，AI 在协作中反哺我领域知识——我的判断标准也在涨。好老板和好员工，本来就互为师生。
所以回到标题。我从不研究提示词。我只是像管一家公司一样，管我的 AI：定战略、做翻译、立标准、抓验收、勤带教、重沉淀。
AI 时代最稀缺的，不是会操作 AI 的人，是会管理 AI 的人。
而这个身份，从你今天把 AI 当第一个员工的那一刻起，就有了。
这是"管理与人机协作"系列的第一篇。后面我们一篇一篇拆：知识库怎么建成教材、上下文怎么做岗位设计、怎么给 AI 定 KPI、复盘迭代怎么跑循环。这个话题，值得聊很久。
引用与说明
自家实证 1. 系统规模：知识库 11,685 个 Markdown 文件、约 6,400 万字符、长期记忆文件 279 份（2026-08-16 本机实测，同系列《AI 记忆系统全拆解》已公开）。 2. 改稿判例机制：作者手改定稿沉淀为判例文件、作为后续写作标准的机制，同系列上文已公开（该文称其为 v1.0，截至本文写作已迭代至 v1.4）。 3. 每日启动/结束闭环、目录治理结构：同系列《AI 记忆系统全拆解》已完整公开，本文不重复展开。
外部来源 4. OJT 带教口诀「说给他听、做给他看、让他做做看、让他说说看、给反馈、再回头看一看」：企业带教经典口诀，OJT（On-the-Job Training）与 TWI-JI（一线主管工作教导法）同源，富士康、李宁等企业的员工带教手册均有收录版本。
披露口径说明 5. 本文出现的 AI 工具仅点名已公开口径的 Claude Code 与 Codex；系统内部其余角色按职能泛称。管理概念（翻译、传声筒、带教、沉淀）为作者真实管理经验的平移，非理论转述。
你现在用 AI，是把它当工具，还是当员工？评论区聊聊你的用法。
本文 AI 辅助说明
观点与判断
杨思远
文本协作
Claude Code
排版与配图
Codex