大家在怕什么，实际发生的又是什么
现在多数人都觉得 AI 会抢走工作——皮尤本月发布的调查里，71% 的美国人这么认为，比两年前高了七个百分点。这份担心不无道理。但这个预测大体上是错的，而且错得很有启发。
AI 取代的不是工作，它拿走的是任务。高盛的估算是，现有 AI 能自动化的工作量约占美国工时的四分之一；IMF 认为发达经济体约 60% 的岗位会"受到影响"，其中大约一半反而会受益。随便拆开一个岗位，规律都一样：数字化的那部分——草稿、调研、跟进、对账、摘要——越来越多是机器能干的；剩下的部分，不是。
所以诚实的说法不是"AI 会取代大多数人"，而是：AI 会接手大多数人数字工作量里的一部分。于是就有了一个问题，争论两边都没人回答：那剩下的部分，怎么办？
为什么真实的目标始终是你的
哈佛和 BCG 把 AI 交到 758 位顾问手里，用 AI 的人多完成了 12% 的任务，快了 25%，质量高出 40%——而且原本表现较弱的人获益最大。有 AI 加持的人，同时胜过单干的人和单干的 AI。但同一项研究也发现了一道锯齿状的边界：在刚好超出机器能力的任务上，用 AI 的顾问反而更差，因为他们信了自己无法判断的输出。
专门衡量 AI 智能体能独立完成多长任务的 METR 发现，这个时长大约每七个月翻一倍——同时发现结果是两极的。在专家需要 90 分钟到 3 小时的任务上，GPT-5"约三分之一的任务次次成功，另外约三分之一次次失败"。不是"一般都行"，而是这里惊艳、那里无望，中间看不到任何接缝。
写过那本讲如何与 AI 共事之书的 Ethan Mollick，六月发了一篇文章，题为Co-Existence and the End of Co-Intelligence。他的结论：跟一个"时而比你强、时而错得离谱"的东西共事，"不是一个解决一次就完的问题，而是一段需要不断商量的关系"。他留下的都是属于人的问题——什么时候该拒绝 AI 的帮忙，哪怕它主动要帮？什么时候该把钥匙整个交出去？
事情的形状就是这样。真实的目标是杂乱的：有机器从没被告知的背景，有"两个坏选项哪个更坏"的判断，有记得你上个月说过什么的人际关系，有只在你的人生里才说得通的取舍，还有你——而不是模型——要承担的后果。这些东西留在你这里，不是因为 AI 弱，而是因为它们本来就是你的。
问题不在于 AI 会不会取代你，而在于你和 AI 怎么分工——以及谁来做主。
造智能体的人今年学到了什么
二月，Mitchell Hashimoto 描述了自己的一个习惯：每当他的编程智能体犯错，他就把一个永久的修复做进智能体的环境里，而不是改提示词。他管这叫"打造挽具"（engineering the harness）。几周之内，OpenAI 和 Anthropic 都发表了各自的实践，整个领域最终定下的公式如今随处可见：
Agent = Model + Harness。智能体 = 模型 + 挽具。
模型是原始的智力。挽具是让它真正干成活的一切：它能调用哪些工具、什么时候调用；跨越单次对话仍然保留的记忆；一个把错误关在里面的沙盒；防止它被信息淹没的上下文管理；还有护栏——范围明确的权限、审批步骤、校验回路、可观测性。标准定义说得直白：挽具"负责模型做不到的事：长期状态、沙盒执行、反馈回路，以及从失败中恢复"。
Anthropic 自己的使用数据展示了挽具对人的工作意味着什么。在其六月的经济指数报告里，在聊天中写一篇博客，中位数要来回十三轮；而在 Claude Code 里写同样的博客——同样的模型，套上了挽具——中位数只要一条提示。两栏之间模型并没有变聪明，是挽具决定了人要掌舵多少。
开发者现在有了这个。其他人手里，还是一个聊天框。
真正缺的挽具，是套在你身边的那副
一个空白的提示框，是卖给外行的专家工具。它要求你已经知道该问什么、用对的措辞问，还要自己检查回来的东西。这就是为什么今天的 AI 主要只让本来就会"开车"的人受益——也是为什么一个真有宏伟蓝图却没有技术背景的人，常常拿不出任何成果。不知道从哪儿开始，不是能力的缺口，而是少了一副挽具。
给一个人配的挽具，和给一套代码库配的不是一回事，但零件是一样的：
- 以目标为单位，而不是以任务为单位。你说出想要什么，它来推算任务是什么——一份你看得见、带里程碑、标了日期的计划——而不是等你先知道该问什么。
- 工具调用变成后台干活。每项任务都会被归类：数字任务、行动或决定。数字任务在后台自动跑，你去忙别的。
- 记忆只保存你分享过的。你的目标、日记和决定就是它工作的依据——只属于你，可导出，可删除。
- 审批步骤变成确认关卡。未经你同意，任何事都不会以你的名义去做。
- 校验回路变成经过检查的成果。没有任何东西会以原始模型文本的样子送到你面前；产出先过结构校验和审核环节才落地，后台完成的工作交给你验收，或退回重做。
- 失败恢复变成"暂停请示"。当一项任务确实需要只有你才知道的信息，它会停下来问你——只问一次——而不是靠猜。
- 收尾变成回到你手里的东西：需要你做的决定，以及现实世界里的步骤。
这就是 iSpirits Cloud 的全部设计，一句话就能说完：它推算出任务，把数字任务放到后台去跑，只把需要你做的决定和现实中的步骤交回给你。你要付出的，是每天几分钟的聊天或语音。
缰绳在谁手里
"挽具"这个词容易被读歪，所以说得确切一点：挽具套在出力拉车的那一个身上；缰绳握在决定往哪儿走的那一个手里。
AI 套上挽具。缰绳在你手里。你只需要握住三样东西——目标、决定、现实世界里的行动——连项目管理本身都交了出去。它不是取代你的 AI，你也不是它的助理。它是你养育的左膀右臂：替你跑数字工作，只知道你选择分享的那些。
你只负责宏伟蓝图，其余交给它跑。
它解决不了的事
- 它不能替你想要那个目标。挽具能让一个已经说出口的蓝图变得可执行，但给不了你蓝图本身。
- 边界是锯齿状的，它有时会错——这恰恰是每一份产出都要经过检查、都可以复核，以及未经同意绝不以你的名义行事的原因。把它交给你的东西，当作一位能干同事的草稿，而不是最终裁决。
- 现实里的行动仍然在现实里。它能帮你把电话准备好，却没法替你打。
- 免费版的后台执行有次数上限（每 24 小时 2 次；付费版 5 次）。我们尚未正式发布：这篇文章里没有任何客户数据，仅有的产品数字都是我们自己的。
你的 iSpirit 是你养育的左膀右臂：它替你跑目标和日常事务，只学习你选择分享的内容，并且和你一起成长——所以每个月都比上个月更好用。每天几分钟的聊天或语音就够了。