第三篇AI 的实践论人类如何与 AI 共同行动核心命题当 AI 从回答问题进入执行任务真正被重构的将不是软件而是组织。0. 坐标本文回答第三问“AI能做什么以及我们该和它如何共同行动” 前两篇解决了是什么和知道什么实践论处理的是行动、责任与制度设计——这也是最直接触及工程与组织变革的一问。1. 从 Copilot 到 Agent自治的连续谱AI 协助编码不是单一形态而是一条自治程度递增的谱Copilot人主导·AI 补全Agentic CodingAI 主导·人监督Autonomous AgentAI 执行·人设边界Copilot人写意图AI 补全片段决策权全在人。Agentic CodingAI 拆任务、写代码、跑测试人审批关键节点。Autonomous AgentAI 端到端执行人只设定目标与权限边界。逻辑要点自治不是全有或全无而是权限 目标 约束 反馈四个变量的具体配置。讨论AI 会不会取代人是伪问题真问题是每一步里决策权落在哪一侧。2. 软件架构的重新定义为什么 AI 会放大错误架构当 AI 开始直接产生产量代码架构问题被放大而非消失人设计 → AI 实现架构由人定AI 负责落地——当前最稳妥的路径。AI Coding 放大错误架构AI 擅长沿着既有结构快速生成若结构本身错误它会把错误复制得又快又多。Context Engineering给 AI 足够且正确的上下文比换更强的模型更有效。Contract / Boundary用契约与边界约束 AI 的产出范围。Architecture Fitness Function把架构质量量化成可自动校验的函数。下面这张图把AI 参与架构决策的责任边界画出来这也是架构决策实验室的核心场景通过不通过人 Human定义边界与契约Context上下文与约束AI Agent生成代码与方案Fitness Function架构适配度校验交付 Deliver回退给人重新定义边界关键结论当 AI 参与定义边界、生成代码、执行决策、验证结果时人的角色从写代码的人上移为定义边界与校验收敛的人。3. AI 时代的组织从岗位到能力单元组织形态也随之改变人与 AI 的职责划分人负责目标、边界、责任AI 负责执行、探索、重复劳动。数字员工把 Agent 当作可委派任务的执行单元。一个团队管理多个 Agent管理工作从管人延伸到管 Agent 的组合。从岗位到能力单元固定岗位让位于按任务动态编排的能力组合人 若干 Agent。4. 责任到底归谁HITL 与 HOTL这是实践论里最严肃的问题。责任控制有两种基本位置Human-in-the-loopHITLAI 每步都需人确认人始终在回路内。Human-on-the-loopHOTLAI 自主运行人只在异常/高风险时介入。低风险高风险异常AI 决策 Decision风险评估 Risk自主执行 AutoHuman-in-the-loop逐项审批监控 MonitoringHuman-on-the-loop人接管审计 Audit全程可追溯逻辑要点HITL 和 HOTL 不是二选一而是按风险分级混用责任制accountability与可审计性auditability是前提——没有审计日志的自动化责任就无处安放。5. AI 原生组织当 AI 成为组织的一等公民“原生意味着不是给旧流程加 AI”而是从设计之初就考虑 AIAI 原生产品产品体验围绕 AI 能力而建。AI 原生企业业务流程以 AI 执行单元为中心重组。AI 原生软件工程开发流程、测试、部署都含 Agent。AI 原生管理管理对象包含人 Agent的混合单元。6. 谁在行动——行动闭环与制度设计最终问题落到一条链条上权限·目标·约束人 Human目标与权限AI Agent计划与执行工具 Tool代码·API·部署世界 World线上系统反馈 Feedback线上结果这一闭环说明行动者不是单一的人或AI而是一个人—AI—工具—世界的耦合系统。Agent 的行动边界由四个变量共同定义权限、目标、约束、反馈。所谓AI 时代的制度设计本质就是为这四个变量立法。7. 结论回到核心讨论题当一个 Agent 自己分析需求、修改代码、调用 API、部署系统、依据线上反馈继续修改程序员完成了什么这个问题已经需要重新定义。实践论的回答是程序员的工作从产出代码上移为定义可验证的目标、设定权限边界、设计反馈与校验机制。我们不是在使用 AI而是在与一种新的智能行动者共同构造系统——而构造者对边界与责任的定义才最终决定了这套系统是可控的工具还是失控的裂缝。思考题在人设计 → AI 实现里设计与实现的边界到底划在哪里写出你认为不可下放的三件事。一个 Agent 依据线上反馈反复改代码如果出事故责任应当落在写 Agent 的人“设目标的人还是批权限的人”为什么