Allen Bargi · Notes 001 · 2026.08.15 · Annotated visualization
Allen Bargi 在自己的 notes 系列里写了一篇短文：协作 AI 的体验不像传统软件那样可预测——于是 上下文 / 清晰 / 反馈 这些领导力技能，突然又值钱了。
把对方的处境、约束、之前的工作放进来。提示词之外，更重要的是共享的工作背景。
把"好的结果长什么样"讲清楚。目标、边界、可接受的偏差——这些比指令本身更稀缺。
回应 AI 给回来的东西，对错都讲。系统会随着时间越来越贴近你思考的方式。
§ 01 · 两种旧事
文章的起点是一段对照：职业生涯里，代码给过我确定性。一个程序做什么，取决于它的指令； 同样的输入跑出不同的结果，那是 bug，需要修。 人不是这样。领导一段协作，得到的常常不是你字面索求的东西。
给定同样的输入，跑出同样的输出。如果不一致，那叫 bug，要去 debug。
我解释一个任务，常常得到我没问过的东西——有人读懂了意图，结果比我的指令更好；也有人用结果告诉我，我没那么清楚。
§ 02 · 领导力早就这样
在协作人的场景里，提问常常不是唯一输入——同一句话，会撞上三种不同的回答。 这不是 bug，而是这套系统的本征行为。
§ 03 · AI 离第二种更近
AI 跑在软件上，但协作它不是完全可预测的。同样的请求，可能做出有用的连接， 漏掉一个明显的点，或者给出一个你没想到的角度。
§ 04 · 两种心智
同样是同一段 AI 行为，你换一副眼睛看它，体验立刻不同。 一个把它当作指令精确的机器，于是沮丧；另一个把它当作协作的同事，于是有用。
期待输入→输出严格对齐。任何偏差都被解读成bug，需要更精确的指令去纠偏。
把回应当作第一稿，对话当作对齐意图的过程。惊喜是信号，偏差是数据。
§ 05 · 好的领导本来就在做
文章把领导力拆成四件具体的事。它们不是 AI 时代的发明——只是当协作对象换成机器，这件事变得更清楚了。
把项目的处境、约束、之前的工作放进来。AI 不在你脑子里——你给的越多，错的越少。
讲清楚好的结果长什么样——读者是谁、能解决什么、什么算偏。比"做什么"更稀缺的是"做成什么样"。
哪里不能去、什么不能碰、什么语气不可接受。边界不是限制——边界让协作往前跑得更快。
AI 给回什么以后，对错都讲。具体的反馈才能让系统真的调整——泛泛的"再 try"不能。
§ 06 · 但 AI 不是人
文章里特别留了这一段：当 AI 像协作对象一样好用，它仍然不是人。 类比的是协作方式，不是对方身份。
三件事，是 AI 一直不会有 的—— 即使它的回应越来越像人：
没有生活经验
lived experience它没有童年、职涯、失败、被拒绝。所以它的"懂"是语言里的懂，不是经历里的懂。
没有问责
accountability当结果错了，承担责任的是你这个使用它的人。AI 不会替你的决定被问责。
没有人的判断
human judgment它能在多大数量级上模拟判断，但不会替你在没见过的情况里做判断。
§ 07 · 投入真正的能力
文章最后把到底在投资什么讲清楚：不是模型、不是 prompt 工程， 是把意图讲清楚的能力——这才是新的杠杆。
我们花了很多年让计算机做我们精确指定的事。现在还多了一件：讲清楚为什么这件事重要，好的结果长什么样，
哪里需要判断。
从下达指令到说明意图——这是 AI 时代真正新加进来的那一栏。
§ 08 · 同一套习惯
这三件具体事把"协作"这件事从玄学拉回可执行。
少讲规则，多讲"上一个好的长这样"。例子比抽象规则更可被复用。
指出具体哪一句不对、为什么不对。模糊的"再 try 一次"是噪音，具体的"这句里的 X 不对"是信号。
每次调整都收藏起来。系统会越来越贴近你思考的方式——这是复利。
§ 09 · 这就是那个 shift
把所有线索拼起来，作者眼里这是一个位置的移动——不是工具变了，是怎么用工具变了。
AI 正在让软件的工作，
更像给机器下达指令，
更像通过对话领导一个团队。
技术是新的。
领导力，早就有了。
Working With AI Feels More Like Leadership Than Coding · Allen Bargi · Notes 001 · 2026.08.15
余响
读完这一篇，
你大概会开始意识到——
你一直在训练
那个"沟通"的肌肉。
allen.bargi.org/notes/working-with-ai-feels-like-leadership · Allen Bargi · 2026.08.15