驱动 AI Agent 需要什么“技能”？

——几个 markdown 文档——纯文本，自然语言，普通话，没有一行代码。没有数学模型，没有权重结构化数据，没有训练脚本，没有任何“高科技”。

AI 的操作系统，是说话，是把话说清楚。 最强大的 Agent，打开底层都是说话，都是作文。既然底层驱动力是自然语言，那驾驭 AI 的能力上限就不在技术，而在一项古老的基本功——说话。

一个熟悉的场景：用户对 AI 说“帮我写篇关于XX的文章”，几秒之内，AI 即刻交卷——结构完整，用词考究，一整篇正确的废话。为什么？因为用户没告诉 AI 背景是什么、立场是什么、要驳谁、要服谁。用户给 AI 模糊的题目，AI 还用户一堆无用的篇章。不是 AI 不聪明，是用户没把话说清楚。

同样的工具，换一个人用：需求拆成三层，每层给出判断标准，附上正例反例，标明哪些地方不许碰——出来的东西立刻不一样了。差距不在工具，在输入。

隐喻远比表象重要。这根本不是 AI 时代的新问题。

任何协作都有同样的前提——你说不清需求，对方只能猜。只不过人会揣摩、补全、读你没说出口的潜台词，于是你误以为自己说清楚了，对方误以为自己猜对了。事情往往就这么误打误撞，滚滚向前。如今 AI 把这层遮羞布扯掉了：它不揣摩，不补全，不惯着你——你的表达有多精确，输出就有多精确；你的思维有多混沌，输出就有多荒腔走板。

程序员对此不陌生。源代码过编译器才能变成机器指令，前提是代码语法正确、逻辑自洽、没有歧义。编译器不猜——写错了，报错，一步不走。人脑在调用 AI 之前需要完成的，本质上也是一次编译：把混沌的、碎片的、自相矛盾的念头，压缩成结构清晰、指向明确的自然语言。区别在于：编译器遇到坏代码会报错；AI 不报错——它猜。

一个人如果连自己的思想树（Thought Tree）都梳理不清楚，指望 AI 去“猜”，最终得到的必然是算力无谓损耗后的“幻觉（Hallucination）”。

精确表达，本质上是大脑在调用外部算力前，必须完成的一次“自我编译与脱水”。

每个人脑子里都有一棵思想树——主干是核心判断，分枝是推理路径，叶子是事实与细节。树形越清晰，AI 能接住的就越多，能往下走的也就越远。怕的是脑子里根本不是树，是灌木丛：没有主干，杂枝缠绕，自己都分不清哪根连着哪根。灌木丛喂进去，毛线团输出来，形散，神也散。

精确表达不是修辞，是思维。 开口之前至少理清楚三件事：

• 要说什么；
• 为什么这么说；
• 不说什么。

三样都不靠词汇量，靠那棵树长得好不好。

再好的 AI 技能文件，归根结底也是人一个字一个字写出来的；再合身的配置，随着使用和时间推移，也会过时，也得迭代修订甚至推翻重来。书写、组织、迭代、修订——每一步的前提都是同一个：想清楚了。理不清自己在想什么的人，装不上外挂前额叶，也不可能与 AI 形成深度耦合。

AI 工具以指数速度进化，人的思维却是线性的——区别只在斜率的正、负、零。线性想匹配指数，只有一个办法：撬动杠杆，把自己的想法精确外化到 AI，与 AI 紧密耦合，将它的指数进化与自己的思维捆绑在一起。能把复杂任务拆解到 AI 可逐步执行之精度的人，和只会说“帮我搞定”然后抱怨 AI“不够聪明”“有幻觉”的人，用的是同一个模型，活在两个世界。

“沉舟侧畔千帆过”，“轻舟已过万重山”。AI 革命注定是，与写作者、程序员深度耦合，让写不下、说不出的人留在原地。