播放器可选择2倍速。阅读与两倍速完整观看合计约39分钟；你也可以先读文章，再选择片段回看。
从一篇手册，聊到每天真实发生的工作
Frank把话题抛给我时，我们正在讨论Anthropic关于AI智能体的材料。它提出的一个区分很有启发：有些工具主要回答问题，智能体则可以围绕任务继续采取行动。我们没有打算把手册逐页讲完，而是顺着自己的实际体验往下聊。
我发现，自己很难用一句话解释不同产品之间究竟有没有绝对的边界。对于日常工作者，名称固然重要，更直接的感受却是：它能不能接上现有资料？能不能在我提出目标以后继续处理工作？完成之后，我又能不能看见结果并提出修改？
过去我也会向AI提问，得到一段说明，然后自己再去寻找文件、整理资料或调整页面。现在有些工作可以在一个连续过程中推进。我可以先描述想法，看到一个可检查的结果，再指出哪里不符合自己的需要。
但当事情越来越容易被做出来，一个问题也变得更突出：我真的知道自己为什么要做它吗？
一个工具能否产生价值，要回到具体工作
我曾经向伙伴介绍自己使用智能体的经验，对方也在用其他AI产品，于是自然会问：这些工具到底有什么区别？这个问题很难只靠功能表回答。不同人的工作不一样，同一个功能在一个场景里很重要，在另一个场景里可能完全用不上。
对我而言，变化之一是工作过程的连续性。资料、任务、结果和后续修改，如果能够被放到同一条工作链里，我就不必在每一个小步骤之间重新解释上下文。比如在整理页面、调整排版或梳理内容时，我可以结合具体效果提出要求，再依据呈现出来的内容继续判断。
这些体验不意味着工具总能理解我的意思。它可能把重点放错，也可能在我没有说清楚约束时，做出一个表面完整、实际不适用的结果。正因为它能够行动，我更需要看清它做了什么，并把检查留在工作流程中。
对于独立教练，使用AI整理资料、准备内容或梳理服务流程时，同样需要先考虑资料的来源和使用边界。客户的私人信息和会谈内容应按双方约定与适用要求处理；不能因为技术上可以输入，就把客户资料随意交给任何工具。
没有问题，忙着找方案也可能走偏
节目里我和Frank谈到，有些人打开智能体以后反而茫然：现在功能越来越多，我到底应该让它做什么？我想到的一个原因是，问题本身还没有被说清楚。
如果一个人暂时没有具体业务，也没有明确想改善的工作，他仍然可以学习工具。但当他希望通过工具解决现实问题时，就需要先回到自己的处境：我要帮助谁？眼前发生了什么困难？什么结果能说明这次尝试有进展？
这和教练对话里常见的情况很像。客户可能带来一句“我想更有效率”，听上去方向明确，却还不能直接告诉我们应该做什么。效率低发生在哪个环节？他希望节省时间，是为了处理更多任务，还是为了恢复生活空间？这些问题没有被澄清之前，工具给出的方案可能很漂亮，也可能与真实需要无关。
教练的工作不是替客户决定目标，也不是把所有困难都解释成一个心理问题。更有帮助的做法，是陪客户把概念落到具体情境里：最近一次遇到这个困难是什么时候？当时你尝试了什么？如果有所改善，你会先看到什么变化？
当问题变得具体，工具也更容易被合理使用。它可以协助整理信息、呈现选项或处理重复步骤；至于什么值得做、哪些结果可以接受，仍然需要人作出判断。
把AI叫作员工，也要看清这个比喻的边界
节目围绕“AI员工”展开。这个说法容易理解：一个人可以把若干任务交给工具，再根据反馈继续安排。但比喻一旦过于顺手，也可能让人忘了它与真实的人并不相同。
一个人类同事有自己的理解、经验、责任和工作关系。AI的表现则依赖具体系统、输入的信息和被允许使用的工具。把它当成可以完全自我负责的伙伴，可能让使用者忽略验证、权限和后果。
Frank在对话中谈到，使用过程中可以根据需要调整已有安排，重新整理任务和上下文。对我来说，这提醒我们：设置一种工作方式后，要定期看它是否仍然适用，而不是因为当初设计得很完整，就不再检查。
技术变化很快，今天觉得方便的步骤，过一段时间可能出现新的做法。我们不必每次有新产品就全面推翻原来的流程，但也不需要把工具固定在永远不能变化的位置。先找一个具体任务，观察结果，再决定是否扩大使用范围，通常更容易看清真实价值。
给工具任务之前，先说清楚边界
如果我要请人协助一项工作，通常会说明目标、可用资料、截止时间和最终需要由谁决定。使用智能体也可以从同样清楚的沟通开始，只是还要进一步考虑它能接触哪些文件、是否可以修改内容，以及错误发生后怎样发现。
以准备一篇教练文章为例，我可以让工具整理已经授权使用的资料，列出其中出现的主题和需要核实的事实。它提供的结构可以作为草稿，但引用是否准确、嘉宾观点有没有被误解、是否暴露了不该公开的信息，不能因为文字流畅就省略检查。
当任务涉及网站发布、客户沟通或者对外承诺时，更需要在开始前明确哪些动作可以自动完成，哪些动作要由负责人检查。不同平台和不同任务的权限设置并不相同，因此要依据实际环境确认，而不是假设一个通用按钮能解决所有问题。
这里也能看到教练式提问的意义：你希望完成什么？哪些信息你已经知道？什么是这次工作不能碰的边界？做完以后，你准备怎样判断它有没有达到目的？这些问题不是为了让工具显得更聪明，而是帮助使用者拥有更清晰的工作方式。
真正了解业务的人，为什么不能缺席？
在谈到企业如何使用AI时，我提出过一个担心：如果一个人只熟悉技术，却没有真正理解业务，就很难判断工具应该解决什么问题。一个看起来很先进的方案，可能没有碰到实际工作中最费力、最需要改善的环节。
这并不意味着外部专业人士没有价值。有人擅长技术，有人了解组织，有人熟悉客户；不同能力可以互相补充。但业务当事人需要参与问题定义和结果判断，不能把自己的处境完整交给一个从外面带来的标准答案。
教练陪伴管理者或创业者时，也可以从这里开始。不是先问“你的团队用了多少AI”，而是了解目前工作怎样发生：哪些步骤重复、哪些判断依赖专业经验、哪里最容易产生误解、客户真正重视什么。之后再讨论工具是否合适，以及谁来承担相应责任。
把技术变化带回一次真实尝试
这场对话让我再次确认，工具越强，越不能跳过对问题的理解。它可以帮助我们更快看到一个结果，但结果是否有意义，要回到人的目标、关系和实际处境中检查。
如果你准备把一项工作交给智能体，可以先写下四句话：这次要解决的具体问题是什么？哪些资料可以使用？哪些事情不能自行修改或对外发布？完成以后，我会看什么来判断是否可用？
然后从一个范围清晰的任务开始。记录它做对了什么、哪些地方需要补充背景，以及自己的判断有没有因此发生变化。教练可以陪伴客户完成这种复盘，但最终的选择仍属于客户。
对我来说，AI带来的不仅是执行速度的变化。它也不断提醒我，作为一个工作者和教练，要更认真地理解自己想做的事，并对最终交付给人的结果负责。
本文根据《铁林想聊》节目对话整理，相关经验与嘉宾观点按录制时的表达呈现。