从问答、代码生成，到让 Agent 接手更完整的工作，不知不觉间，我已经使用 AI 好几年了。
这些年变的不只是模型能力，使用形态也换了好几轮。我的方法跟着一直在变：有时聊天，有时让 AI 嵌在工具里即时辅助，有时则把一整项工作交给 Agent。
我没有找到唯一的最佳用法。聊天适合讨论和整理信息；嵌入应用的 AI 响应快、交互顺；Agent 则把一问一答扩展成可以自主探索、调用工具和修正结果的一串操作。它们服务于不同场景，没有谁真正取代谁。
但随着 Agent 能接手的工作越来越复杂，我开始遇到一个新的问题：能做，和敢交出去，是两回事。
这是两篇系列的上篇。本文讲我为什么不再把工作方式押在下一代模型上；下篇讲什么样的 AI 工作方式才真正值得托付。
我不再把工作方式押在下一代模型上
模型当然还会继续进步，我也没有兴趣预测能力增长会在什么时候放缓，或者 AGI 何时出现。
我只是不再假设：等模型再强一点，今天的协作问题就会自然消失。
同一个模型面对同一项任务，结果仍然可能不同。任务越复杂，差异越容易扩大。新模型能减少错误、提升工具使用能力，却不会自动把 AI 变成一个结果完全固定的输入输出工具。
一种常见做法是让一个模型执行，再让另一个模型检查。这能带来不同视角，但不保证自然收敛。检查者也可能误判，还可能继承执行者没有写明的假设。
所以，我需要的不能只是更高的能力上限。能力可以继续增长，但我的工作方式必须在模型仍有波动时就能成立。
通用性也是一层限制
还有一层常被忽略的限制，来自通用性。模型厂商和工具厂商需要服务不同的用户、行业与工作方式，因此产品会优先改善共性能力：理解指令、调用工具、管理上下文，以及完成一般性的任务。
这不是厂商做得不够，而是通用产品的职责决定的。某项工作为什么值得做、边界在哪里、验收应该严到什么程度、哪些动作必须另行授权，并没有一套适用于所有人的答案。产品越通用，就越难为某一种专业工作持续深入，也越难替某个使用者作出专属取舍。
厂商可以提供更好的模型、工具和扩展能力，却不能替我完成最后一段适配。因此，我同样不会等待某个官方工具有一天自然长成最适合我的工作方式。
复杂工作迟早会跨越上下文
上下文变长后，目标、规则和早先的决定会逐渐失去分量。即使窗口还能容纳更多文字，模型也不一定能同等重视每一部分。
复杂工作因此迟早要切开：换一个会话，交给另一个 Agent，或者让同一个模型在新的上下文里继续。
切开会造成信息损失，却也有价值。新的上下文不必沿用上一轮的思路，可以重新判断；不同角色彼此隔离，也比同一个模型一边执行、一边宣布自己通过独立检查更可信。
难点不在要不要切，而在切开之后拿什么接住。
如果目标、边界和决定只存在于聊天记录里，每个新上下文都得重新解释任务。模型可能漏掉前提，也可能把上一轮的临时判断当成最终结论。上下文越多，漂移越容易累积。
发起一件工作，也比想象中难
问一个问题不难，让 AI 生成一个功能也不难。真正困难的是：怎样把人脑中的一件事，变成边界明确、可以验收、能够交接的工作。
Spec-Driven 提供了一种答案，但它通常假定已经有一份较完整的规格。我的日常工作往往不是这样开始的。最初只有一个意图，我需要先和 AI 讨论，再逐渐明确目标、范围、非目标和完成标准。
发起之所以难，正卡在这一步：模型可以整理和追问，却不能替人决定一项工作为什么值得做、做到什么程度才够、哪些动作已经获得授权。意图、价值和授权不是事实，模型没法从上下文里推出来，只能由人给。
规则也不能只写给模型看
新模型对指令和文档的遵循已经比过去好很多，但在长任务中，规定好的格式和步骤仍然可能逐渐松动。
继续增加提示词不一定有用。规则写得越多，上下文越重，模型需要同时记住和解释的东西也越多。
我的体会是：凡是可以由外部工具稳定完成的检查，就不该每次都依赖模型记得去做。模型适合判断和执行，工具适合提供事实、保存状态，并强制那些不应随临场理解变化的边界。
我关心的问题变了
把这些放在一起，会得到一个很现实的结论：阻碍委托的并不是某一个孤立的模型缺点，而是几类问题同时存在。
因此，我不再只问“AI 能不能完成这项工作”。以我现在使用的模型，很多工作它已经能做。
我更在意的是：我敢不敢把工作交出去，然后不盯着每一步。
这关心的不是能力峰值，而是范围能否保持稳定、结果是否经过可信检查、投入是否可以预期、任务中断后能否继续，以及什么时候必须回到人这里作决定。
我把这些性质合在一起，称为“可委托性”。下篇继续讲它。