知识工作新序章
欢迎来到 OZ
沿着智能的边界，探索知识工作的可能。
智能的线索 · 人的实践
点开节点，阅读解读、工作变化与原始资料。节点是编辑观察，开放问题仍待验证。
规则 · 已沉淀
把问题写成机器可以执行的规则。
规则把条件、推导和求解方式显式写出。它是理解智能的一条早期线索，也仍用于明确边界的任务。
人先梳理知识、条件和例外，工具依照这些表达工作。
规则难以穷尽开放世界；这一节点不是所有 AI 的统一起点。
哪些任务可以稳定写出规则，哪些需要处理模糊与例外？
符号表达 · 让知识成为可操作的表达。
把概念、关系和条件明确写出，工具才有可以处理的材料。
先说明词语的含义，再表达它们之间的关系。
写得清楚不等于覆盖了现实中的所有情境。
同一个概念，是否在不同规则中保持同一含义？
条件求解 · 沿明确条件寻找解法。
把问题限制在可以说明的条件内，逐步推导或搜索可行结果。
把输入、约束和结果标准一起交给工具。
约束写错时，求解过程也可能给出无用的结果。
得到的解，是否仍满足最初的问题与约束？
规则边界 · 把不能写全的部分留出来。
规则帮助划清范围，也让模糊、冲突与例外变得可见。
遇到例外时保留人工判断和修订规则的入口。
增加更多规则并不总能解决开放环境中的变化。
哪些例外值得补规则，哪些需要另一种处理方式？
- 达特茅斯研究提案
早期研究问题；不是完整技术史
学习 · 已沉淀
从逐条写规则，到从样本中学习。
模型可以从训练样本提取规律。AlexNet 是图像学习的一个代表性研究锚点，方法谱系远不止这一条。
工作开始需要组织样本、明确目标，并检查结果能否推广到新情境。
训练表现不是跨场景保证，数据和验证条件仍决定可用边界。
遇到分布变化时，性能与错误模式怎样改变？
样本组织 · 学习从怎样的材料开始？
样本选择、标签与目标共同决定模型要学习的任务。
检查材料覆盖、重复与目标是否一致。
更多样本不自动意味着更好的代表性。
材料是否遗漏了真正需要处理的情境？
模式识别 · 从样本里提取可复用的规律。
用新的样本检查模型提取的模式，而不是只看熟悉材料上的表现。
围绕具体任务记录正确结果与错误类型。
识别到相关模式，不等于理解因果或意义。
成功和失败各集中在哪些样本上？
迁移检验 · 换一个情境，还能成立吗？
当输入或任务环境改变，原有模式需要重新接受检验。
在使用前比较新材料与原验证条件。
某个研究样本的成绩不能代替另一个任务的验证。
哪些变化使原有规律失去作用？
- AlexNet 原论文
图像分类研究样本，不代表学习方法的起点
生成 · 正在展开
从识别信息，到生成可继续加工的材料。
语言生成与对话让草稿、解释和方案成为可快速迭代的材料。这里观察工作形态，不做最新模型排行。
人从空白起稿转向提出意图、比较版本、核对来源和塑造表达。
流畅和丰富不等于正确；生成材料需要人的选择与核对。
在同一工作目标下，产物的准确性、风格与可修订性是否稳定？
意图对话 · 把想要的结果说清楚。
通过对话澄清受众、用途、材料和限制，让生成有可核对的目标。
从一句需求走向可以比较版本的交付标准。
详细提示也不能保证模型完全理解意图。
产物回应了真正的问题，还是只回应了表面措辞？
候选生成 · 让起稿变成可以选择的材料。
把草稿、解释和方案视为候选，留出比较与改写的空间。
更快尝试多个方向，再选择值得推进的一条。
候选数量和文字流畅度不能代替准确性。
不同版本是否提供了有意义的选择？
材料重组 · 把已有信息组织成新的表达。
围绕用途整理、改写与连接材料，同时保留可追溯的出处。
让摘要、说明和方案回到原始材料核对。
重组可能遗漏条件或引入来源没有支持的意思。
关键结论还能回到原文和原语境吗？
- Attention Is All You Need
结构研究原文，不证明今日产品能力
- ChatGPT 初次发布记录
早期产品与限制说明，不能当作最新产品现状
推理 · 正在展开
从给出答案，到检验过程。
任务开始需要多步拆解、工具检索与结果核对。解读关注可核验的过程，而非把流畅说明当作可靠思考。
人的重心转向定义问题、选择证据和检验交付。
看起来连贯，不等于可靠。长任务中的错误可能相互叠加。
需要观察长任务中的一致性、失败发现与可复核性。
问题拆解 · 把一个问题拆成可检查的步骤。
先明确子问题与依赖，再逐步取得材料并核对结果。
把复杂交付变成能单独检查的过程。
步骤看起来合理，仍可能遗漏关键条件。
每一步都必要吗，合起来能回答原问题吗？
证据连接 · 让结论有可以回看的依据。
把检索、计算和来源与具体判断相连，而不只给出一段连贯说明。
检查每个重要判断使用了什么证据。
引用存在不代表它支持了相邻的结论。
证据的范围，是否足以支持这一步判断？
过程核验 · 让错误在交付前有机会被发现。
对照任务标准检查中间产物、反例与最终结果。
把检查作为工作的一部分，并保留返修路径。
同一系统重复回答，不自动构成独立核验。
发现错误后，能否修订原过程而不是换一种说法？
- Building effective agents
工作流与 Agent 的方法区别；页面已提示部分工具描述过时
- 长任务 Agent 的执行环境
软件任务工程案例，不证明通用自主或长期经营
协同 · 正在展开
不同角色开始围绕共同任务分工。
一个任务可以被拆成多个角色的材料，再由统筹者合并。这个节点先观察分工带来的变化。
人需要定义角色、交付接口和核对标准。
多个角色输出材料，不自动等于一个能持续交付的组织。
共享上下文、依赖和返修能否在多轮任务里接续？
角色分工 · 不同角色围绕同一个目标工作。
明确各自的问题、输入和交付，让分工有可以核对的接口。
把角色成果与原任务关联，而不是收集互不相干的材料。
角色更多，协调成本也可能更高。
分工是否减少遗漏，还是制造重复和冲突？
共享上下文 · 把必要背景带到下一位协作者。
保留目标、约束、证据与已作决定，使角色不用反复重新猜测。
传递足够的上下文，并区分事实与暂定判断。
共享不等于把所有资料无差别开放。
不同角色是否仍在处理同一个问题？
交付合流 · 把各份材料变成共同成果。
统筹者核对矛盾、补齐依赖，再把材料汇回同一交付。
检查组合后的完整性和返修回执。
把多个答案拼接起来，不等于质量更高。
合并后的成果，是否真的通过原任务的标准？
- 多 Agent 研究系统实践
具体系统案例及成本/协调限制，不泛化为所有组织
自主 · 待验证
能否在长任务中自主发现、行动并核验？
这里保留一个开放问题：自主行为能否超出受限工程场景，并在环境变化后持续保持可靠。不是宣布通用智能已经到达。
人可能把更多日常推进交给系统，同时保留目标、重要判断与退出权。
已有有界 Agent 不等于普遍、长期或无需监督的自主工作。
在清楚的授权、资源和失败恢复条件下，连续交付能否成立？
持续行动 · 能否在变化中继续同一任务？
观察系统能否保留目标与进展，在受限授权内持续推进；这是开放问题。
人定义方向、资源和介入条件，观察连续交付。
短任务成功不能证明长期或通用自主。
环境变化后，系统仍知道下一步为什么要做吗？
自我校验 · 能否发现自己尚未完成的工作？
观察系统能否对照外部证据与交付标准识别失败，而不是自行宣告成功。
把核验依据、重要介入点和成果回执预先说明。
自评不能代替独立依据，通用可靠性仍待验证。
没有人逐项提醒时，错误能被发现并回到原任务吗？
失败恢复 · 中断之后，能否有据接续？
观察系统能否区分已完成、待处理与未知结果，在清楚边界内恢复。
保留状态、原回执和停止选择，避免重复行动。
工程场景的恢复实践不能泛化为所有自主活动。
重新开始后，是否会重复已执行的动作或扩大权限？
- 长任务 Agent 的执行环境
软件任务工程案例，不证明通用自主或长期经营
记录 · 已沉淀
让经验与信息可以被保存、检索和接续。
笔记、档案和关联信息使知识能够离开一次记忆，成为后来工作可继续使用的材料。
人的贡献包括保留问题背景、证据和形成结论的过程。
保存更多信息不等于理解；失去出处和上下文的记录也会误导。
记录是否能帮助另一个人重建问题与判断依据？
问题档案 · 把问题发生的背景留下来。
记录目标、条件和当时的疑问，让后来的阅读者理解为何开始这项工作。
把结论和形成结论的背景一起保存。
脱离语境的记录容易被当成通用答案。
另一个人能从档案中重建原问题吗？
证据索引 · 让重要信息能够回到出处。
用关联与索引连接资料、判断和产物，而不是只积累更多文件。
区分原始材料、解释和待核对的内容。
能够检索，不代表来源可靠或仍然适用。
重新找到资料时，是否还能理解它的适用条件？
经验接续 · 让一次工作的经验进入下一次。
把方法、失败与修订理由留下，为后续工作提供可质疑的起点。
复用经验前检查条件是否发生变化。
旧经验可能不再适合新的问题。
哪些可以复用，哪些应该重新判断？
- Augmenting Human Intellect
工具、语言、方法与人共同改善工作的概念框架
表达 · 已沉淀
把个人理解组织成别人能继续使用的表达。
语言、结构和工具共同影响复杂问题的处理。表达不仅是润色，也是在组织概念与关系。
工作者让隐含理解变成可讨论、可修改和可协作的材料。
更容易发布不保证更有价值；表达仍要对读者和问题负责。
别人能否理解关键条件、证据与行动含义？
概念组织 · 先组织理解，再组织文字。
明确核心概念及关系，让材料能够支持讨论和修改。
把隐含前提变成读者能够看见的条件。
概念整齐不意味着已经理解全部问题。
关键概念是否清楚，是否有未解释的跳跃？
结构表达 · 让读者沿着意思继续走。
按问题、证据和行动含义安排材料，帮助读者形成自己的理解。
根据读者的任务选择表达顺序。
结构和修辞不能弥补证据缺口。
读者能否说明重点以及它为什么成立？
共同语言 · 让协作者理解彼此的意思。
通过词语、图示和例子校准理解，减少同词不同义。
让关键约定可讨论，并随工作修订。
一致措辞不一定代表一致理解。
不同人是否会据此采取相容的行动？
- Augmenting Human Intellect
工具、语言、方法与人共同改善工作的概念框架
创作 · 正在展开
人从生产每个字，转向塑造作品的方向。
生成工具提供候选材料，工作者的价值可更多体现在提出问题、选择、编辑和形成独特表达。
把目标、语境、审美与事实核对带进迭代。
这是一种工作变化的解读，不意味着所有创作或职业都将如此。
节省起稿时间后，质量与独立判断是否实际改善？
方向设定 · 先决定作品要回应什么。
把问题、受众、语境和审美带入创作，作为比较候选的依据。
人的贡献更多体现在提出值得表达的问题。
方向不清时，更多候选也可能只是更多噪声。
作品要留下什么独特的理解？
版本探索 · 让不同可能性彼此对照。
尝试多种结构与表达，比较它们怎样回应同一目标。
保留选择理由，逐步收敛值得推进的版本。
生成方便不意味着每个版本都值得继续。
变化带来了新洞见，还是只换了表面风格？
编辑定稿 · 选择、删改，并对作品负责。
通过事实核对与编辑把候选材料变成具有明确立场的作品。
判断哪些内容应保留、重写或舍弃。
起稿时间减少不保证最终质量提高。
定稿中每个重要选择，是否能被解释？
- ChatGPT 初次发布记录
早期产品与限制说明，不能当作最新产品现状
- 知识工作者与批判性思考研究
自报问卷研究，不证明普遍因果
判断 · 正在展开
能力越可用，判断就越需要被明确保留。
模型输出与人的经验在这里相遇。观察重点是证据选择、反例检查和交付检验，而非把答案直接接收为结论。
从亲自完成所有步骤，转向知道什么值得委托、什么必须核对。
相关研究包含自报问卷，不能据此宣布人一定变得更聪明或更少思考。
人在使用工具时是否仍能解释、质疑并承担判断？
证据权衡 · 知道依据有多大分量。
比较来源、条件与不确定性，区分观察、推断和假设。
把可信程度和适用范围写进判断。
看起来权威的来源也可能不适用于此处。
换一个来源或条件，结论会怎样变化？
反例质疑 · 给自己的结论留下被推翻的机会。
主动寻找不一致的材料和替代解释，而不是只补支持证据。
对重要产物保留质疑和返修过程。
提出反例不等于完成验证，也不能证明普遍因果。
什么证据会真正改变这项判断？
责任选择 · 决定什么可以委托，什么需要承担。
围绕结果影响选择委托范围、核对方式和本人介入点。
人保留重要判断，并知道最终交付为何成立。
工具给出答案不会自动转移责任。
如果结果出错，谁能说明依据并推动修正？
- 知识工作者与批判性思考研究
自报问卷研究，不证明普遍因果
人与 Agent · 正在展开
委托之后，还需要共同上下文与交付核对。
合作需要说明目标、可用资料、权限及成果标准；系统的执行应能返回可核对的结果。
人负责方向和重要决定，日常推进可以有选择地交给受限系统。
人与 Agent 的职责不会因自动执行而消失，权限也不会自动扩大。
任务发生变化或失败时，双方能否继续同一事项？
目标委托 · 把任务交出去，也把成功条件讲清。
说明目标、材料、范围和成果标准，使委托可以返回可核对的结果。
从逐步操作走向交办结果与必要约束。
一句话交办仍需要明确的任务边界。
接到任务的系统能说清怎样才算完成吗？
权限约定 · 能力有多大，行动仍要有边界。
把允许使用的资料、工具、资源和需本人决定的动作明确区分。
保留授权范围、介入条件和停止入口。
有工具不意味着获得所有数据和外部动作权限。
情况变化后，原授权是否仍覆盖下一步？
反馈接续 · 一句反馈，回到同一件事。
把修订、追问和新条件接回原任务，避免每次重新开头。
人的参与围绕必要判断与成果反馈展开。
聊天记录多不等于系统正确保留了任务状态。
反馈之后，目标、成果和待办是否同步改变？
- Building effective agents
工作流与 Agent 的方法区别；页面已提示部分工具描述过时
- 长任务 Agent 的执行环境
软件任务工程案例，不证明通用自主或长期经营
编排 · 正在展开
从操作一个工具，到组织一组能力。
工作者开始关心任务依赖、角色分工、上下文传递和质量门槛。简单流程与动态 Agent 各有合适场景。
把目标转成可以协作的工作安排，再核对真正的交付。
复杂度、成本和协调负担也会增加；多 Agent 并不总是更合适。
一次角色返修能否回到原任务，并改善最终成果？
任务依赖 · 看见一项工作怎样连接下一项。
明确先后、阻塞和可独立推进的部分，让协作围绕真实依赖展开。
把工作安排与成果回执连接。
列表完整不意味着依赖判断正确。
哪些工作必须等待，哪些可以继续？
能力组合 · 用合适的能力组织合适的流程。
按任务选择工具、固定流程或动态角色，不把复杂度当价值。
比较不同安排的质量、成本与协调负担。
多Agent并不总比简单流程更合适。
组合增加的收益是否超过协调成本？
质量关口 · 让交付标准进入工作过程。
在关键接点核对输入、成果和返修回执，避免错误继续传递。
用具体标准替代仅凭材料数量判断进展。
检查存在不代表它真的能发现重要问题。
返修是否改善了最终成果，并回到原事项？
- Building effective agents
工作流与 Agent 的方法区别；页面已提示部分工具描述过时
- 多 Agent 研究系统实践
具体系统案例及成本/协调限制，不泛化为所有组织
经营 · 正在展开
把工具的产出连接到持续的价值与责任。
这里把经营作为观察角度：目标、资源、质量和反馈怎样形成可接续的工作。它是编辑延伸，不是来源论文证明的商业结果。
工作者更需要判断做什么、怎样组织资源，以及结果是否值得继续。
不是所有知识工作者都要创业，内部材料也不等于客户价值或收入。
能否在真实使用与反馈中形成可持续的交付？
价值假设 · 决定什么结果值得持续交付。
把工作产物与真实使用者的问题相连，提出可以接受反馈的价值假设。
从完成材料转向观察实际使用与帮助。
这是编辑观察角度，不是已获商业成功的声明。
谁会使用它，它解决了什么具体问题？
资源取舍 · 把有限投入用在值得推进的地方。
比较时间、成本、质量和机会，在实际约束中选择工作安排。
保留投入理由，并根据结果调整。
自动生成更多产物不意味着投入更有效。
下一份投入，最可能改善什么结果？
反馈闭环 · 让交付后的反馈改变下一次工作。
把使用结果、失败和新需求带回方向与资源选择，形成可接续的迭代。
核对真实反馈，再决定继续、修订或停止。
内部材料不等于客户价值、收入或可持续经营。
反馈是否真正改变了行动，而不仅被记录下来？
- Building effective agents
工作流与 Agent 的方法区别；页面已提示部分工具描述过时
共生 · 待验证
能否形成可持续、可退出的长期协作？
这是一种待验证的设想：人和系统围绕共同上下文长期协作，同时允许质疑、重定方向和停止。
价值可能更多来自定义方向、学习、判断及共同演化。
它不是确定目的地；依赖、迁移和人的自主性都需要单独观察。
当目标、工具或角色改变时，协作能否继续且保持退出选择？
共同演化 · 协作能否随着人与工具一起改变？
观察共同上下文、方法和角色能否随新问题更新；这是待验证的设想。
人持续学习和重定方向，系统保留可检查的接续。
长期协作不能由一次任务成功来证明。
目标改变时，双方能否共同修订原有安排？
自主选择 · 更强的工具，能否保留人的判断？
观察人是否仍能解释、质疑与重新选择，而不是只能接收系统的方向。
保留独立判断与必要的本人参与。
依赖程度与人的能力变化需单独研究和验证。
人是否仍有能力作出与系统不同的选择？
可退出协作 · 深度合作，也应能重新选择。
观察停止、资料接续和更换工具能否在长期协作中保持可行。
保留自己的成果、上下文和退出路径。
可退出不是确定终点，迁移与依赖仍待观察。
停止或更换系统后，工作与判断还能继续吗？
- Augmenting Human Intellect
工具、语言、方法与人共同改善工作的概念框架
- 知识工作者与批判性思考研究
自报问卷研究，不证明普遍因果