动手前先判断：这件事让 AI 代办、一起想，还是只能你来定
Anthropic 与 Rick Dakan、Joseph Feller 合作的《AI Fluency Framework》把「委派」定义为设定目标，并决定是否、何时以及如何让 AI 参与。框架区分三种方式：自动化（AI 按人的指示执行具体任务）、增强（人和 AI 作为思考伙伴一起工作，人的判断居中）、代理（人设置好让 AI 未来独立执行任务）。把这个判断放在开口之前，能避免把需要人拍板的事整个丢给 AI。
对比示例判断与取舍
场景：测试同学拿到一份新需求，想用 AI 准备这个功能的测试
较差的描述
这是需求文档，帮我把这个功能的测试用例全写出来，再告诉我哪些要优先测。
更好的描述
这是 [功能名] 的需求文档。我想分三部分做： 1. 你来做：按文档列出所有功能点和对应的正常、异常用例，用表格输出，每条一行。 2. 一起想：针对 [支付/权限等高风险点]，先提 5 个你认为最容易出问题的边界情况，说明理由，我们讨论后再定。 3. 我来定：用例优先级和哪些问题会阻塞上线，由我决定，你不用给结论。 文档里没写清楚的地方，单独列出来，不要自己补假设。
- 第 1 部分是能说清楚的具体任务，适合直接交给 AI 自动完成
- 第 2 部分需要经验判断，用「先提 5 个、讨论后再定」变成增强式协作
- 第 3 部分写明由人决定，避免 AI 替你给出上线结论
- 要求单独列出没写清楚的地方，把补需求的判断留在人这边
今天就试试挑今天一个准备交给 AI 的任务，先在纸上分成「AI 做 / 一起想 / 我来定」三栏，再写提示词。
目标表达上下文供给任务拆解审查验证反馈迭代委派与边界判断与取舍
示例由编辑根据下方来源中的原则撰写。
要点
- 委派的第一个问题是「要不要用 AI」，其次才是何时用、怎么用
- 能说清楚的具体任务适合自动化，需要持续判断的工作适合增强式协作
- 代理适合重复出现、无需每一步都指挥的工作
为什么值得关注
这是与模型无关的判断习惯，开发、测试、产品都适用；先把任务拆成「AI 做、一起想、人来定」三块，产出更短也更好审。
来源
### [动手前先判断：这件事让 AI 代办、一起想，还是只能你来定]({{URL}})
Anthropic 与 Rick Dakan、Joseph Feller 合作的《AI Fluency Framework》把「委派」定义为设定目标，并决定是否、何时以及如何让 AI 参与。框架区分三种方式：自动化（AI 按人的指示执行具体任务）、增强（人和 AI 作为思考伙伴一起工作，人的判断居中）、代理（人设置好让 AI 未来独立执行任务）。把这个判断放在开口之前，能避免把需要人拍板的事整个丢给 AI。
**场景**：测试同学拿到一份新需求，想用 AI 准备这个功能的测试
✕ 较差：这是需求文档，帮我把这个功能的测试用例全写出来，再告诉我哪些要优先测。
✓ 更好：这是 [功能名] 的需求文档。我想分三部分做：
1. 你来做：按文档列出所有功能点和对应的正常、异常用例，用表格输出，每条一行。
2. 一起想：针对 [支付/权限等高风险点]，先提 5 个你认为最容易出问题的边界情况，说明理由，我们讨论后再定。
3. 我来定：用例优先级和哪些问题会阻塞上线，由我决定，你不用给结论。
文档里没写清楚的地方，单独列出来，不要自己补假设。
- 第 1 部分是能说清楚的具体任务，适合直接交给 AI 自动完成
- 第 2 部分需要经验判断，用「先提 5 个、讨论后再定」变成增强式协作
- 第 3 部分写明由人决定，避免 AI 替你给出上线结论
- 要求单独列出没写清楚的地方，把补需求的判断留在人这边
- 委派的第一个问题是「要不要用 AI」，其次才是何时用、怎么用
- 能说清楚的具体任务适合自动化，需要持续判断的工作适合增强式协作
- 代理适合重复出现、无需每一步都指挥的工作
**为什么值得关注**：这是与模型无关的判断习惯，开发、测试、产品都适用；先把任务拆成「AI 做、一起想、人来定」三块，产出更短也更好审。
来源：[The AI Fluency Framework](https://www-cdn.anthropic.com/b383cf6baddbfc72fdf8b0ed533a518e2872d531.pdf)