过去一年多，大模型的变化越来越明显。它们不再只是等待提问、生成答案的语言工具，越来越像 agent 的执行引擎。以前我们要让一个模型真正做事，往往需要在外围搭很多东西：上下文管理、检索、工具调用、流程编排，每一步都要由开发者事先安排好。现在，不少模型已经能够自己理解目标，判断是否需要调用工具，再根据工具返回的结果继续往下做。

这让使用大模型变得简单了一些。我们不必把每个步骤都写成指令，只要把意图说明白，再提供相应的脚本、API 或其他工具，它就有机会把一件事情做完。模型正在从一个需要人不断推动的问答界面，变成一个可以自行推进任务的代理。

但我越来越觉得，交互变简单，并不等于模型真的理解了我们。它在通用知识和常见推理上的表现已经相当不错，放到个人使用或企业应用的具体场景里，问题就会变得细很多。一个企业有自己的价值判断，也有一套不容易写进制度里的处事方式：哪些事情应该优先，遇到风险时愿意付出什么代价，什么时候可以妥协，什么情况必须停下来请人决定。

这些内容很少完整地存在于企业文档里。历史记录通常只留下最后的决定，知识库保存的是已经整理过的结论，产品则体现了某些选择，却不会告诉我们当初放弃了哪些选择。即使让创始人或管理者亲自讲述，也很难靠一次访谈把这些判断的来龙去脉全部说明白。人的思考本来就不是一份结构清楚、可以直接导入模型的说明书。很多判断是在具体情境里跳出来的，连做决定的人自己都未必能事先总结出一套完整规则。

这大概就是企业迟迟不敢把大模型当作数字员工来使用的原因。现在的模型已经可以写方案、查资料、操作系统，甚至独立完成一段复杂流程。但当任务越过了明确的规则边界，它给出的答案可能在语言上无可挑剔，却不符合这家企业的取舍。更麻烦的是，它未必知道这一次应该站在哪一边，也未必知道什么时候不该继续执行。

所以，现阶段更容易落地的，还是那些确定性较高、边界已经被规则限定好的工作。我们可以告诉模型哪些数据能读，哪些系统能调用，哪些操作需要审批，出现什么情况必须停止。在这样的范围内，模型的推理、工具调用和反复执行都能派上用场。可一旦希望它自己补足企业没有明说的价值观，事情就没有那么乐观了。

大模型现在处在一个有意思的阶段。上下文、工具、知识和各种外围能力还在不断补齐，模型越来越会做事；但在智力水平本身上，我暂时还没有看到同样清晰的突破。单纯把模型做大、塞入更多知识，能不能让它获得真正的判断力，我并不确定。知识的规模和价值取舍之间，毕竟不是一回事。至于超级智能或超级智慧什么时候出现，我也不愿意轻易下结论。我更愿意先把眼前能用的能力用好，遥远的终点没有必要急着替它下判断。

这还牵涉到我们应该怎样看待大模型的不确定性。我们希望它学习全人类的知识和经验，同时又要求它每一次都给出百分之百确定的结果。这个要求放在人身上也不现实。一个人也会判断失误，也会在复杂任务里漏掉细节。大模型的错误率可能是百分之一，也可能是百分之十，真正重要的是它被放在哪一种工作里，以及有没有相应的复核和补救办法。

一份内部摘要写错了，通常可以重新生成；一次资料整理漏掉了内容，也可以让它从头再做一遍。模型不是只能执行一次的机器，它可以在有限次数里反复尝试，通过工具结果和人的反馈把任务推到完成。可如果它正在替企业做一项不可逆的决定，或者处理不能出错的数据，那么同样的错误率就完全是另一回事了。即使接受不确定性，边界和责任也必须留下来。

在我看来，人机协同不该从“把所有工作交给模型”开始。更现实的做法是，人来确定目标、边界和那些不能被轻易改变的取舍，模型在边界之内理解意图、调用工具、处理重复步骤，遇到拿不准的地方停下来。这听起来没有那么科幻，却更像企业真正用得起来的东西。

如果大模型能够把我们生活和工作中大量繁琐的事情接过去，在有限的尝试次数里稳定地完成任务，这已经足以改变许多工作的节奏。我们需要习惯它会犯错，也要给它设计好重试、审批和退出的路径。至于一家企业最看重什么、愿意承担什么、哪些决定必须由人来做，这些事情暂时还不能只寄希望于模型自己领会。人机协同的下一步，也许正是在这些没有写出来的地方，慢慢把彼此的边界摸清楚。