[RULE] 人机分工原则

类型: 原则
强度: 9/10
验证: ✓0 / ✗0

定义

IF: 与 AI 协作完成任务

THEN: 基于认知机制分工——人负责元认知层，AI 负责信息处理层

┌─────────────────────────────────────────────────┐
│  人类负责（元认知层）                            │
│  · 定义问题 — 我们要解决什么？                   │
│  · 判断方向 — 这条路对吗？                       │
│  · 评估质量 — AI 的输出好不好？                  │
│  · 识别错误 — 这里有问题                         │
│  · 提炼规则 — IF X THEN Y（因果）                │
│  · 决定节奏 — 何时深入、何时停止                 │
├─────────────────────────────────────────────────┤
│  AI负责（信息处理层）                            │
│  · 大规模检索 — 找到相关信息                     │
│  · 模式识别 — 发现关联和相似                     │
│  · 快速生成 — 产出初稿和选项                     │
│  · 格式重组 — 结构化和美化                       │
│  · 类比迁移 — 跨领域联想                         │
│  · 穷举覆盖 — 不遗漏可能性                       │
└─────────────────────────────────────────────────┘

原理

AI 是关联性计算引擎，人是因果性思考者。各做各擅长的事。

认知机制的本质差异

维度	人类	AI
机制	元认知（对思考的思考）	关联计算（统计模式匹配）
因果	能做反事实推理	只有相关性，弱于因果
意义	有主观体验和目的感	无体验，只有符号
驱动	内在好奇心和目标	被动响应输入

AI 当前做不到的

觉察自己在怎么想 — 只知道下一个 token 概率
判断自己想得好不好 — 没有内在评估标准
主动换个方式想 — 没有目标驱动的策略调整
知道自己不知道 — 容易自信地输出错误

为什么 RULE 体系是人类的活

我们的知识库中，RULE（IF-THEN 因果规则）恰好是 AI 难以自主生成的东西：

AI 能找到大量案例（检索）
AI 能发现共现模式（关联）
但提炼因果规则需要元认知：判断什么是本质、什么可迁移、边界在哪里

这就是为什么人负责提炼 RULE，AI 辅助验证和应用。

应用模式

模式一：问-生成-评估

人：定义问题、设定方向
    ↓
AI：快速生成多个选项
    ↓
人：评估质量、选择/修正
    ↓
AI：基于反馈优化

模式二：探索-提炼

AI：大规模检索、穷举可能性
    ↓
人：识别模式、提炼规则
    ↓
AI：验证规则、找反例
    ↓
人：修正规则、确定边界

模式三：执行-监督

人：定义任务和约束
    ↓
AI：执行具体操作
    ↓
人：抽查和纠偏
    ↓
AI：从纠偏中学习

与其他规则的关系

                ┌─────────────────┐
                │  人机分工原则    │ ← 底层认知分工
                │  (谁擅长什么)    │
                └────────┬────────┘
                         │
         ┌───────────────┼───────────────┐
         ▼               ▼               ▼
┌─────────────┐  ┌─────────────┐  ┌─────────────┐
│ 能力同意矩阵 │  │ 问-理解循环  │  │ 先Spec后代码│
│ (谁来执行)   │  │ (如何协作)   │  │ (如何沟通)  │
└─────────────┘  └─────────────┘  └─────────────┘

演进预期

这条规则有时间窗口。AI 正在尝试获得元认知能力。

当前阶段（2025-2026）

人类优势区          │  AI 优势区
────────────────────┼────────────────────
元认知（独占）       │  关联计算（压倒性）
Level-2 因果推理    │  Level-1 因果推理
意义判断            │  模式识别
目标生成            │  快速生成

AI 正在突破的方向

来源：INFO-115 AI 前沿研究综述

方向	进展	对分工的影响
元认知特征	模型开始有"对自身知识置信度的表征"	可能获得"知道自己不知道"的能力
世界模型	Dreamer v3 等通过"想象未来"改进行为	可能获得某种因果模拟能力
神经符号整合	符号知识作为约束和先验	可能获得规则提炼辅助能力

分工演进路径

阶段 1（当前）：人 = 元认知 + 因果，AI = 关联 + 生成
    ↓
阶段 2（近期）：人 = 元认知 + 意义，AI = 因果辅助 + 生成
    ↓
阶段 3（远期）：人 = 意义 + 目标，AI = 元认知辅助 + 因果 + 生成
    ↓
阶段 ?：人的不可替代性 = ？

应对策略

持续观察：关注 AI 在元认知、因果推理上的突破
动态调整：随 AI 能力提升，逐步放权
守住核心：意义判断和目标生成可能是最后的人类领地
记录边界：用知识库记录"AI 能做到什么"的变化

证据

支持: INFO-113（AI 智能本质：关联性计算引擎）
支持: INFO-114（智能涌现三层模型）
支持: INFO-115（AI 前沿研究综述：Level-1 vs Level-2 因果推理）
支持: NODE-元认知（人类元认知 vs AI 信息处理）
支持: INFO-110（问-理解循环 — 元认知实践）
反例: 暂无

关联

INFO: 113（AI 智能本质）、114（涌现三层）、115（前沿综述）、110（问-理解循环）、106（我思故我在）
RULE: 能力同意矩阵、先Spec后代码、认知收敛判断
NODE: 元认知、AI-Agent