
评论:多数白领用错了AI,应让AI构建系统而非单点辅助
来源标题:The Rise of the One-Person Institution
Ryan Fedasiuk 认为,多数白领只把 AI 用于写报告、查数据等单点辅助,这种做法难以持续。他指出 Astra 6 和 Fable 5.1 在高端知识工作上已接近他的水平,一个精心设计的提示词就能生成质量超过人类顾问数周成果的 20 页报告。他主张白领应转向用 AI 构建系统和工具。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Ryan Fedasiuk 2026年11月8日 17 3 6 分享
我认识的大多数白领专业人士都在错误地使用AI。
由于白皮书、报告和新闻材料仍然是知识工作领域的硬通货,许多人只是狭窄地应用AI——用它来协助完成制作下一份个人内容产品中的某些具体步骤。例如,一位研究助理可能会向聊天机器人询问某个具体历史问题的答案、查找一条数据,或者找到一段合适的引文编织进报告里;又或者,一位市场总监可能会用AI来生成新闻稿的初稿。
我认为这种局面维持不了多久了。我想说,Astra 6和Fable 5.1在生产前沿知识工作方面的能力已经几乎与我相当。我们现在已经到了这样一个节点:一个精心设计的prompt就能生成一份详尽、连贯的20页报告,质量超过人类顾问花数周时间才能产出的成果。
与其因为个人无法与AI竞争而灰心丧气,我把2026年用来适应一种我认为将成为白领工作常态的模式:用AI构建系统和工具,在我自己的专业领域内协助知识的大规模生产和多样化组合。
其结果是我的职业身份发生了转变:从作家兼分析师,变成了自主运转的机构的创始人和工程师。
这个过程并非线性的,对于“非技术”背景的人来说,一开始可能会觉得不堪重负。以下是我到目前为止学到的东西:
从“创作者”走向“工程师”的道路上,第一个也是最关键的一步,是在你眼前的任务之上再想一个抽象层级。
这要求你把关于创作一份内容的个体判断——比如如何最好地打磨一篇文章——转化为持久的软件工程和产品决策,这些决策将有助于持续生成成千上万个同类版本。
以下是我所说内容的几个例子:
在美国国务院担任负责具体国家事务的官员时,我的工作是把会议记录和世界新闻摘要成外交电报。这要求我是一个优秀的分析师和写作者——我必须处理海量的数据和信息,并将其锤打成供忙碌的高管使用的、一到两页可用的信息产品。
在这种情况下,“常规”的AI用法可能是帮我重新排版电报、在段落之间添加过渡,或者查找某个特定事实。但相反,2026年3月,我问自己:我怎样才能训练AI在给定一组特定输入数据时,可靠地以我的写作风格生成一份外交电报——并做出与我想做的相同的分析判断?实际上就是,我怎样才能自动化我自己的工作?
成果就是Digital Embassy,一个自主的情报服务,每天阅读25,000篇新闻报道并发布22份外交电报。
进行取证调查的软件。
在乔治城大学我为情报分析课程授课时,会花一周时间讲授加密货币调查。我们从解释什么是区块链、加密货币为何存在、如何创建钱包,以及用它交易时会产生哪些公开记录开始。我在课堂上现场买一些比特币。然后我教学生如何手动把ISIS使用的一些钱包地址追溯到一个流行的加密货币交易所。
这类分析非常繁琐;需要检查大量交易,并审查其中特别大或可疑的交易。AI的“常规”应用可能是把钱包地址输入Claude,让它替我们进行调查——但何必停在那里?相反,我们向Claude解释了我们自己的基本调查工作流程,并要求它创建一款软件,在给定任何钱包地址作为输入时,能够系统性地开展调查。
不到40分钟,它就生成了Chainalysis的Reactor的初级版本,而后者通常每个席位至少收费15,000美元。
梳理研究档案的软件。
许多社会科学家进行档案研究,帮助我们理解历史重要时刻的决策过程。AI特别擅长搜索档案,并以易于理解的格式重新组装原始文献。例如,我本可以非常轻松地让ChatGPT准备一份阿纳托利·多勃雷宁的详细传记——他是苏联历史上任期最长的驻美大使。
但相反,我花了数周时间在一个ChatGPT项目中反复迭代,建立规则来指导我的AI的研究、溯源和写作质量——并将这些规则应用于批量生产(并核实)每一位大使的传记。
成果就是“Diplopedia”——一部在线百科全书,涵盖曾在华盛顿任职的2,000多位大使的生平。
在这三个案例中,我都超越了手头的任务,转而思考如何将其系统性地自动化。
我的个人品味、分析严谨性和领域专业知识仍然是每个产品不可或缺的一部分。如果你阅读Digital Embassy的电报或Diplopedia的文章,你能看出这不是普通的AI垃圾。我没有把我的判断力用于撰写一份电报、进行一次加密货币调查或编写一份传记,而是把我的判断力提炼成一套明确的规则体系,用来管理大规模内容的自主生产。
关键在于生产大量高质量内容,这些内容对人类——以及日益对AI——来说令人愉悦且信息丰富,值得消费。
为什么要大量?虽然未来的形态仍然有些模糊,但我相信这就是AI之后知识工作的方向:知识分子依靠agent团队,以超人的规模和速度瞄准、调节和消费信息流。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。