凌晨三点，AI替我完成了最后一稿
第一章 凌晨三点，AI替我完成了最后一稿
陈璐盯着屏幕右下角的时钟，指针已经悄无声息地滑过了凌晨三点。咖啡杯里的液体早就凉透了，桌角堆着三张被揉皱又展开的A4纸，上面是她手写的文章大纲。她是一家头部互联网公司的内容运营，入行十年，凌晨加班对她来说算不上新闻——新闻的是今晚发生的事。
她的文章写到一半卡住了。标题改了七版，导语删了写、写了删，主体部分只搭了个架子。她原本估算这篇产品深度稿需要两个半小时，现在已经过去了将近两个小时。焦虑像潮水一样漫上来，她几乎能听见自己的心跳声。她揉了揉太阳穴，准备起身再冲一杯咖啡——然后，屏幕右下角的对话框轻轻跳了一下。
她下意识地点开。那个对话窗口在过去几个月里已经变得越来越熟悉——它不是普通的搜索框，也不是她过去用过的那种一问一答的聊天机器人。它像一位坐在旁边的同事，看到她停下来了，就轻声问了一句："需要我帮你看看这篇稿子吗？"
陈璐迟疑了两秒，把卡住的那段导语贴了进去。
三十秒后，屏幕上出现了三段重写的版本，语气各异：一个偏正式，一个偏故事化，一个带点反讽。她挑了第二个，又补了一句："再口语一点，把那句'赋能'换掉。"模型没有废话，立刻给了修订版。她顺手把整段大纲也丢进去，问它："这个结构是不是太散了？"模型回答得很快，建议把第三和第五个论点合并，又补了一句"如果你想突出技术深度，可以把第二部分挪到前面"。
十五分钟后，文章的结构成型。又过了二十分钟，初稿完成。她没有逐字逐句审校——她做不到，也没必要——只是顺着读了一遍，把几个不满意的句子圈出来，让模型再改。最后的成品和她的预期有八成吻合，剩下两成她用自己的语气微调了一下。
她看了一眼时间：三点四十七分。
文章写完了。她没有那种"熬夜扛过来了"的疲惫感，反而有一种奇异的轻松。她关了电脑，躺在床上，忽然意识到一件事：今晚，她没有在任何工具之间切换过。没有打开Word，没有打开石墨文档，没有打开浏览器去查资料，没有打开Notion去找之前的素材，甚至没有打开搜索引擎去核对一个数据。所有事情，就在那个对话框里发生了。
她想了很久，用一个词来形容今晚的体验：无缝。
不是"工具好用"，不是"速度快"，而是感觉不到工具的存在。她没有在使用一个软件，她只是在完成一项工作。
这一晚，和过去十年的任何一个加班夜都不一样。
---
一、凌晨三点的最后一稿：一次"无缝"的协作
陈璐的这次经历，如果放在三年前，会显得非常科幻。但放在今天，它正在成为无数普通职场人深夜加班的常态。它之所以值得被详细描述，是因为它揭示了一种全新的产品形态——我们暂且叫它"AI原生应用"。它的体验和过去的任何软件都不一样。
让我们把那一晚的动作拆开来看。
传统工作流是这样的：打开Word写稿，打开浏览器查资料，打开Notion找素材，打开微信回复消息，打开石墨协作版本管理……每一步都对应一个工具，每一个工具都有自己的界面、自己的快捷键、自己的打开方式。用户的工作被工具的边界切成一段一段，每一段都需要自己来缝合。这就像一个人在一栋很大的办公楼里工作，每个同事坐在不同的房间里，要办一件事，得从这个房间走到那个房间，跑上跑下，所有路程都得自己完成。
陈璐那晚的体验完全不是这样。她在一个窗口里完成了几乎所有事情：写作、改稿、问问题、调整结构、核对逻辑。这不是说她把"Word+浏览器+Notion"的功能集中到了一个界面里那么简单——那只是一种集成，集成还是需要人去主动调度的。她那晚的体验，更像是有一位同事坐在她旁边，主动地参与到了她的工作流里。
这种体验有三个核心特征：主动性、连续性、隐形性。
第一，主动性。过去，软件是被动的：你点击，它响应；你不点击，它就是死的。陈璐那晚没有主动要求模型帮她看稿子——是她停下动作后，模型自己"看到"了她卡住的状态，主动发出了询问。这意味着软件第一次有了一种"在场感"，它在观察你的工作状态，并根据状态做出反应。这不再是一个工具，而是一位坐在旁边的同事。
第二，连续性。过去，每一次切换工具，都是一次"中断"——你要把脑海中的思路清空一部分，切换到另一个界面、另一种逻辑。陈璐那晚没有中断过。她的思考是连贯的，从卡住到解决，从大纲到初稿到修订，所有步骤在同一个"工作场"里发生。连续性让思维的损耗降到了最低，也让"心流"成为可能。
第三，隐形性。这是最反直觉的一点。传统的产品设计理念强调"用户能感知到产品的存在"——也就是所谓的"用户体验"。设计师们花大量精力做按钮的样式、做加载动画的过渡、做提示音的反馈，让你"感觉到"软件正在为你工作。但陈璐那晚几乎没有这种感觉。她甚至忘记了自己在使用AI。她感受到的只有"工作完成了"这件事本身。软件隐身了，但功能还在。
这三个特征加在一起，构成了我所说的"AI原生体验"。它和传统软件的关系，不是升级，而是范式的转变。它改变的不只是"软件长什么样"，而是"人为什么要使用软件"这个根本问题。
为了让你更直观地理解这种差异，我把它整理成下面这张表：
| 维度 | 传统软件 | AI原生应用 | |------|---------|-----------| | 工作方式 | 人找功能 | 功能找人 | | 角色定位 | 工具 | 同事 | | 交互模式 | 点击—响应 | 观察—建议—协作 | | 状态切换 | 频繁打断 | 持续在场 | | 用户感受 | "我在用软件" | "我在完成工作" | | 价值衡量 | 任务完成度 | 工作流顺畅度 |
这张表里最值得划线的是第一行和第二行——"人找功能"和"功能找人"，这是后面整个第二章我们会重点讨论的话题；以及"工具"和"同事"，这是本书核心隐喻的来源。在第一章，我们先把它立起来，作为一个锚点。
---
二、十年工具进化：那条看似连续的曲线
陈璐入行十年，用过的工具可以拉出一条长长的清单。
2014年，她是Microsoft Word的重度用户。那时候她刚入行，每天的工作就是写稿、改稿、发稿。Word是她的全部世界。她能熟练地用快捷键、用样式管理、用版本对比。她至今记得第一次学会用"修订模式"时那种解放感——再也不用手动标记红色删除线了。
2016年，公司开始推石墨文档。她一开始是抗拒的——为什么要把文档搬到云上？本地不是更安全吗？后来她发现协作效率真的上去了。团队可以在同一份文档里同时编辑，评论可以直接挂在段落下，再也不用发邮件来回了。她成了石墨的早期布道者。
2018年，Notion开始进入她的视野。这是一款几乎把所有工作流整合到一个工具里的应用——文档、表格、看板、数据库，全都在一块。她花了一个周末看完官方文档，那种"啊，我之前的工作流可以这样组织"的兴奋让她连续熬了两个夜。她把个人笔记、读书清单、内容日历、OKR全都搬进了Notion，自称"Notion布道者第二号"。
2020年到2022年，她又陆续尝试了飞书、Obsidian、Roam Research、Craft、Logseq。每隔几个月，她就会换一个新工具，把旧工具里的内容迁移过去。每次迁移，她都告诉自己："这次找到终极工具了。"每次迁移，她也都会失望——新工具过几个月又会出现新的痛点。
2023年，事情开始发生变化。
她先是零星地在ChatGPT、文心一言、通义千问里问一些零碎的问题——翻译一段话、改写一个标题、解释一个概念。那时候她还是把这些AI当成"搜索引擎的升级版"，没有觉得它会改变自己的工作流。直到2024年初，她在Notion里装了一个AI插件，开始让AI帮她生成会议纪要、整理访谈录音。那是她第一次感觉到AI"住进了"自己的工作流里。
再后来，她开始用专门的AI写作工具——不是简单的ChatGPT套壳，而是一些专门为内容工作者设计的产品。它们会根据她过往的稿件风格学习她的语气，会在她卡住的时候主动提供思路，会在她写的过程中悄悄补全段落。陈璐说，那一刻她忽然意识到：自己过去十年一直在做的"工具迁移"，方向可能错了。
为什么这么说？
因为过去十年的工具进化，本质上是同一种逻辑的演化——把更多的功能塞进一个软件里。Word增加了协作功能，所以有了石墨；石墨增加了数据库功能，所以有了Notion；Notion增加了AI能力，所以有了"AI版Notion"。这条曲线看起来很连续，本质上却只是"功能累加"。
真正的变化发生在AI开始"原生"地嵌入到工作流里那一刻。所谓原生，不是"在Notion里加个AI按钮"，而是AI从一开始就是产品的底层逻辑。就像智能手机的进化——从功能机到智能机，不是给功能机加了个触摸屏那么简单，而是整个操作系统、整个交互范式都被重写了。
陈璐说，她第一次意识到这一点，是她用一个叫"秘塔AI搜索"的产品去查行业资料的时候。过去她查资料的工作流是这样的：打开Google，输入关键词，浏览前十个结果，挑出靠谱的几个，去重读，整理笔记。这是一个长达十几分钟、多步切换的过程。在"秘塔"里，她输入问题，AI直接给出了结构化的答案，还附上了信息源的链接和可信度评级。整个过程不到两分钟，且没有任何页面跳转。
那一瞬间她明白了一件事：工具的进化不是线性的。
过去的十年，工具的能力在变强，但"人—工具"的关系没有变。工具一直是被动的、被调用的、被切换的。AI原生应用改变的不是工具的能力，而是工具与人之间的关系。这种关系从"主仆"变成了"同事"。
---
三、2023：一场静悄悄的范式迁移
把2023年作为分水岭，不是因为那一年发生了某个标志性事件——虽然ChatGPT在2022年底的发布确实是一个引爆点——而是因为从那一年开始，三个独立演化的力量同时发生了共振。这种共振是历史性的，它不是某一个变量发生了变化，而是整个系统进入了新状态。
第一股力量，是模型能力的跃迁。
大语言模型在2023年前后达到了一个临界点。这个临界点不是"模型变得更聪明了"这种模糊描述，而是可以用具体的任务来衡量的。一个典型的标志是：在这一年发布的GPT-4，首次在多项专业考试（律师资格考试、医学执照考试、数学竞赛）中达到或超过了人类平均水平。这意味着AI不再只能完成"找数据"这种检索型任务，而是可以完成"理解—推理—生成"这种认知型任务。
更关键的是，这个能力是通用的。同一个模型可以写代码、写诗、做翻译、做分析、做规划。过去的AI是"专家系统"——一个模型只擅长一件事，比如下棋、识图、语音识别。但大模型是"通才"，它把多个领域的能力整合到了同一个基座上。这种通用性是产品形态发生质变的前提——你不可能让一个只能下棋的AI成为"同事"，但一个什么都会一点的AI可以。
第二股力量，是推理范式的转变。
2023年之前，AI产品的主流交互是"一问一答"。用户输入问题，模型输出答案。这种交互模式本质上还是"搜索引擎的升级版"——你问，它答，不问不答。但从2023年开始，一种新的范式开始流行：多轮对话 + 工具调用 + 长上下文。
多轮对话意味着AI可以记住之前的对话内容，根据上下文调整回答。工具调用意味着AI可以调用外部的工具——查数据库、发邮件、操作浏览器——而不仅仅是在自己的黑盒里回答。长上下文意味着AI可以处理整本书、整个代码库、整段录音这种"巨量信息"。
这三种能力组合起来，让AI第一次具备了"完成一项复杂任务"的能力，而不仅仅是"回答一个问题"。复杂任务的特点是需要多步、需要记忆、需要工具。这正是"同事"的特征——一个同事帮你做一件事，不会只回一句话，而是会把事情做完。
第三股力量，是用户预期的重塑。
这一股力量可能是最容易被忽视的，但它可能是最重要的。2023年之前，用户对AI的预期是"工具"——能用就用，不能用拉倒。出了错，用户会骂两句，然后关掉。2023年之后，随着ChatGPT的爆火（两个月突破一亿用户，成为人类历史上用户增长最快的消费级应用），AI突然进入了主流视野。用户开始严肃地对待AI——他们开始问"AI能帮我做什么"，开始期待AI"像人一样"思考，开始把AI当成潜在的"协作者"。
用户预期的变化会反过来塑造产品。当用户开始期待"AI像一个同事"，产品设计师就有动力去满足这个期待。这种期待不是被动的，而是主动塑造市场的。用户说"我希望AI能记住我说过的话"，于是产品经理把"长期记忆"列入了下一版本。用户说"我希望AI能主动提醒我"，于是产品经理开始设计"主动性"功能。
三股力量的共振，就是2023年作为一个分水岭的真正原因。任何单独一股力量都不足以引发范式迁移。模型能力再强，如果交互范式还是一问一答，用户不会用它来"协作"；交互范式再先进，如果模型能力不够，用户很快就会失望；用户预期再高，如果前两者跟不上，预期也无法被满足。
这三者恰好在2023年前后同时到位。这不是巧合，而是技术曲线、范式曲线、社会曲线自然相遇的结果。十年后的产品史教科书里，2023年大概率会被作为"AI原生时代的起点"。
---
四、从"助手"到"同事"：一个隐喻的诞生
到这里为止，本书的所有核心问题都已经种下了种子。但还有一个问题没有正面回答：陈璐那晚的体验，为什么我用"同事"而不是"助手"来比喻？
因为"助手"和"同事"，是两种完全不同的关系。
助手是被动的。你让它做什么，它做什么；你不让它做，它就站着。你给助手下指令，它执行指令。助手的价值由"你下达了多少指令"决定。助手的角色是"执行者"，决策权完全在人。
同事是不同的。同事有主动性。同事会在你忙不过来的时候主动搭把手，会在你犯错的时候善意提醒，会在你迷茫的时候提出建议。同事不是等你下指令，而是共同参与一项工作。同事的价值由"共同完成了多少事"决定。同事的角色是"协作者"，决策权在人和人之间分配。
把AI比作"助手"，是过去十年AI产品设计的默认设定。无论是Siri、Cortana、Alexa，还是早期的智能客服、推荐算法，它们的设计逻辑都是"等待指令—执行指令"。这种设定有它的道理——在AI能力不强的时代，让AI主动做决策风险太大，所以让AI做"听话的执行者"是最稳妥的选择。
但2023年之后，这种设定的天花板开始显现。一个只能执行指令的AI，永远是一个被动的工具。它的天花板是"指令的复杂度"——你能把指令拆得有多细，它就能帮你做多少事。但人类的注意力是有限的，人类不可能把每一个步骤都拆成指令。真正的"协作"，是人和AI各自承担一部分决策，而不是人把所有决策做完，再让AI执行。
"同事"这个隐喻的真正含义，是决策权的让渡。当AI成为同事，意味着AI不再只是等待指令，而是开始拥有一定的决策权。这种决策权可能很小——比如"主动提醒你这篇文章有个错别字"——也可能很大——比如"主动帮你把整个项目重新规划一遍"。决策权的多少，取决于任务的可逆性、风险的高低、信任的程度。
但即使是最低限度的决策权让渡，也让"人—AI"的关系发生了质变。从"我命令它做"变成"我和它一起做"。这个转变，不是AI功能变多了，而是人在工作中的角色变了。人从"操作员"变成了"审核员"和"决策者"，从"动手做"变成了"判断和调整"。
这种角色的转变，对产品设计提出了全新的挑战。
过去的产品设计，核心问题是"如何让用户更高效地完成任务"。按钮放在哪里、菜单怎么组织、快捷键如何记忆，都是为了这个目标。但AI原生时代的产品设计，核心问题变成了"如何让人和AI更高效地协作"。这听起来只差一个字，但背后是整个设计哲学的重写。
举个例子。过去的产品会问"用户需要哪些功能"，然后把这些功能做成按钮。但AI原生产品要问的是"用户在做这件事的过程中，有哪些环节是可以让AI参与的"。前者的答案是功能列表，后者的答案是协作流程。这两者是完全不同的设计思路。
再举个例子。过去的产品会优化"新手引导"，因为新用户不会用，要教他们。但AI原生产品可能不太需要新手引导——因为AI可以直接观察用户的行为，猜测用户的意图，主动提供帮助。新手引导从"教程"变成了"观察学习"。
这样的例子可以举很多。但它们的共同点都是：产品设计的重心从"如何让人使用软件"转向了"如何让软件理解人"。
这听起来有点像科幻，但事实上，过去十年间，"推荐算法"已经在悄悄做这件事了。你打开淘宝，它给你推荐你可能想买的东西；你打开抖音，它给你推送你可能感兴趣的视频。这些都是"软件在理解人"的早期尝试。但推荐算法只能理解"你想要什么内容"，不能理解"你想要怎么完成一件事"。AI原生产品要做的，是后一种理解——过程级的理解，而不是结果级的理解。
---
五、看不见的同事：本书的隐喻与问题清单
到这里，本书的核心隐喻已经完整呈现了：AI是"看不见的同事"。
"看不见"，是因为它没有物理形态，没有桌面图标，没有打开关闭的状态。它就在那里，一直在观察你、协助你，但你很少意识到它的存在。
"同事"，是因为它有主动性、有判断力、有协作能力。它不是工具，而是工作的参与者。
这个隐喻贯穿了全书。后面每一章，我们都会从不同的角度回到这个隐喻：
- 第二章，我们会用这个隐喻来定义"AI原生应用"，并梳理它的产品特征。
- 第三章，我们会看那些真正做出了"同事感"的产品，它们的设计哲学是什么。
- 第四章，我们会看那些失败的产品，它们错在哪里，为什么没有"同事感"。
- 第五章到第十章，我们会进入具体的行业场景——写作、设计、编程、客服、教育、医疗——看AI同事在不同领域如何工作。
- 第十一章到第十三章，我们会讨论这种新形态带来的新问题——责任归属、隐私边界、人机信任、劳动力转型。
- 第十四章和第十五章，我们会回到一个更大的问题：当"看不见的同事"成为常态，人类的工作意义是什么？我们的下一代需要什么样的新能力？
这就是本书的全景图。第一章是开篇，它没有给出答案，而是把问题完整地抛出来。
让我把本章涉及的关键问题整理成一个清单，这也是我希望你在读完第一章后，能够回答或开始思考的问题：
1. 本质问题：当AI从"工具"变成"同事"，人与软件的关系发生了什么本质变化？ 2. 体验问题：什么是"AI原生体验"？它和"传统软件+AI功能"的核心差异是什么？ 3. 历史问题：过去十年工具的进化是连续的还是断裂的？2023年为什么是分水岭？ 4. 设计问题：如果AI是"同事"，产品设计师要重新发明什么？按钮、菜单、界面这些传统元素还有意义吗？ 5. 角色问题：当AI承担了"执行"，人类的角色会从"操作员"变成什么？"决策者"？还是其他什么？ 6. 协作问题：人和AI如何分工？哪些决策应该交给AI，哪些必须留在人手里？ 7. 信任问题：你愿意让AI"主动"做多少事？什么情况下你会按下"撤销"键？
这七个问题不是独立的，而是相互嵌套的。本书接下来的十四章，会一层一层地剥开它们。
但在我们一头扎进具体的产品案例之前，有一件事必须先做——给"AI原生"下一个清晰的定义。
"AI原生"这个词在过去两年