最近 AI 圈有一個很熱的討論。
哥倫比亞大學發了一篇論文，研究 AI Agent 管線裡「誰當規劃者、誰當執行者」的最佳組合。結果非常反直覺——用最強的模型當規劃者，表現反而最差。準確率差了四十幾個百分點。
原因是，那個強模型「太聰明」了，聰明到覺得自己直接回答就好，根本不需要把任務交給執行者去做。它跳過了整個流程。
很多人看到這個結論，馬上推導出一套新的最佳實踐：用弱模型當主管，強模型當手腳。弱模型因為能力不足，反而會乖乖拆解問題、委派任務。
這個發現本身是真的。但我想從另一個角度聊聊——因為我剛好在做一件類似的事。
我用一個人加六個 AI，跑一間公司。跑了超過半年。踩過的坑，可能比論文的實驗組還多。
模型不聽話，是因為你沒寫好規矩
先回到那個論文的場景。
那個實驗的架構很簡單：規劃者負責拆問題，執行者負責查資料回答。強模型當規劃者時，直接跳過執行者自己答了。所以研究者的結論是——規劃者的位置應該放弱模型。
但我想問一個問題：實驗裡有沒有明確告訴那個強模型「你不准自己回答」？
如果沒有，那問題不在模型太聰明，而在指令沒寫清楚。
我的團隊裡也有強模型在做規劃和分析。它會不會想要自己直接動手？會。但它不會真的跳過流程，因為我的系統裡有白紙黑字的角色定義：你負責分析和拆解，執行是另一個角色的事，你的產出是任務指令，不是最終成品。
弱模型的「乖巧」不是因為它懂得委派，是因為它沒有能力不乖。 這不是管理，這是碰運氣。真正的管理是——就算它有能力跳過流程，制度也能讓它不跳。
我踩過的坑：跳過流程的不是 AI，是我自己
說一個真實案例。
我們團隊的標準工作流程是這樣的：我先出任務卡，技術總指揮分析後產出書面的任務指令檔，監督角色拆解任務交給開發者執行，執行完畢監督角色驗收，最後回報給我做最終確認。每一層都有明確的輸入和輸出，每一步都留紀錄。
有一次，我趕著出門處理事情，心想這個任務不複雜，就跳過了任務卡和指令檔的環節，直接讓監督角色在同一個工作頁面即時指揮開發者做事。
結果？工作上下文太長，系統直接崩掉了。開發者做到一半，整個脈絡斷裂，產出的東西完全偏離方向。更慘的是，因為過程沒有留下獨立的任務紀錄，事後要 debug 連問題出在哪一步都查不出來。
最後，我花了比正常流程多好幾倍的時間，才把事情修回來。
那次之後我學到一件事——流程不是用來拖慢速度的，是用來確保你不用回頭重走的。
而且你注意到了嗎？這次跳過流程的不是 AI「太聰明」，是我這個人類 PM 自己貪快。
所以當我看到那篇論文說「強模型太聰明會跳過流程」的時候，我的反應是：那你的流程設計本身就有漏洞。 不管是人還是 AI，只要制度沒有把邊界寫清楚，就一定會有人（或有 AI）走捷徑。解法不是找一個「剛好不夠聰明」的來做事，而是把制度建好。
但說到底——你的客戶在乎這些嗎？
這是我最想講的一件事。
整個 AI 技術圈花大量時間在討論：模型評測、架構設計、Planner 該用 Opus 還是 Haiku、Agent 管線怎麼跑最有效率。這些當然重要，這是技術人的專業。
但你去問一個開美容院的老闆：「我幫你做系統，用的是 Opus 當規劃者還是 Haiku 當規劃者？」
她會看你像看外星人。
她在乎的是什麼？客人能不能順利預約、系統會不會出錯讓她丟客人、一個月花多少錢、出問題的時候多快能修好。
你用什麼模型、什麼架構，對她來說就像你問一個吃牛肉麵的客人：「我們的麵條是用 12 號壓麵機還是 14 號壓出來的？」
她只在乎好不好吃。
我在水電領域做了三十年。三十年來，從來沒有一個客戶問我用什麼牌子的扳手、什麼型號的電表。他們只問三件事：會不會漏水、保固多久、多少錢。
AI 服務也是一模一樣的道理。
技術圈正在發生一個危險的趨勢：我們太專注於「怎麼做」，而忘了問「為誰做」。我們在模型選擇上精益求精，卻沒有花同樣的心力去理解客戶的真實需求。
這不是說技術不重要。技術當然重要，它是你的專業底氣。但技術是你的事，讓客戶感覺不到技術的存在，才是你的本事。
三個我從實戰中學到的事
如果你也在用 AI 建立工作流程，或者你想用 AI 來服務客戶，這三件事是我用半年多的時間換來的：
第一，先寫規矩再選模型。 角色邊界、任務格式、禁止行為、驗收標準——這些東西要先定義清楚，再來決定每個位置用什麼模型。順序反了，你會不斷換模型，但問題永遠存在。
第二，分層驗收比分層模型有效。 與其糾結規劃者用什麼模型、執行者用什麼模型，不如設計一個驗收機制，確保每一步的產出符合預期。出了問題，你馬上知道是哪一層出的，不用整條管線從頭查。
第三，永遠記得你在為誰做事。 模型會升級、框架會過時、今天的最佳實踐明天可能被推翻。但客戶的需求不會變——他們要的是穩定、可靠、解決問題。你的架構設計最終要服務這件事，不是服務技術圈的審美。
寫在最後
我不是學術研究者，我寫不出論文。我是一個在水電領域做了三十年、現在帶著六個 AI 跑公司的人。
這些觀點不一定對，但它們是真金白銀換來的——每一個踩過的坑，都花了時間和成本去修。
如果你正在這條路上，希望這些經驗能讓你少走一些彎路。
技術的世界變化很快，但有些道理很慢——做事要有規矩，做人要記得客戶。
這兩件事，不管 AI 怎麼進化，大概都不會變。
水電工阿水｜SoloAI AI 數位轉型顧問 LINE：@368utzqf soloai885.com
