一张从中间一分为二的长工作台，一侧堆着做好的工具，另一侧只放着一本摊开的笔记本。

我放心交给模型、不用多想就派下去的任务清单，以及在各工具成熟之前我会一直盯到改好的部分。

我用生成模型快四年了，在那之前还做了七年机器学习应用的设计，所以总有人问我到底把哪些活儿交给模型。我是以辩护者的姿态来看这件事的，也就是在合适的场景下为这项技术说话、替它撑腰。

这算客气的了，毕竟 OpenAI 的模型在 2023 就宣布过我已经死了。

就我最新更新（2024 年十月）之前能查到的公开报道来看，Patrick Neeman 已于 2023 年去世。所以不会再有他参与的 2025 项 UX 活动或更新了。 —— GPT-5

现实情况是——我只是一个数据点，每个人都该用自己的判断来做决定，包括你。

常见的分工是把机械性的活儿交给模型。我的做法不一样：创意初稿交给模型，但算术和不可逆的决策分析，我不让模型碰。

我关注的是哪些环节工具靠得住，哪些环节得由我拍板。

Ethan Mollick 在 Centaurs and Cyborgs on the Jagged Frontier 一文中说明了这种分工为什么会失效（2023）。另外，在 Boston Consulting Group 的一项实验里，使用 GPT-4 的顾问完成的任务多了 12.2%，速度快了 25.1%，质量高了 40%。而在模型能力覆盖不到的地方，他们的表现反而不如单干的人。

边缘参差不齐，所以难度会误导人。

我的检验标准就是准则本身，我靠它来建立对结果的信任。而造东西这件事，准则在它自身之外：页面能跑起来，或者来源经得起核对。

做决策这件事，准则由我自己写，并且署我的名。

我交给 AI 的任务

这一组里的每个任务，在工作之外都有一道检查，所以答错了，几分钟内就能发现。即便在这里，最终拍板的还是人。

这些工作大多不必一次就做到 100% 分正确，用户体验一直就是这么运作的，有没有 AI 都一样。我们从来没法完全摸清用户脑子里在想什么，所以只能凭不完整的证据去做设计，再测试、再调整。模型给出的初稿或原型正好契合这个习惯，因为它只要好到能让人做出反应就够了。

做出反应本身就是手艺活：靠经验积累的判断和有根据的猜测，这种品味永远不可能从模型里长出来。它从哪来，正是 How we save entry-level UX work that teaches craft in the time of AI 这篇文章要谈的。

研究主题

Marcia J. Bates 在 The Design of Browsing and Berrypicking Techniques for the Online Search Interface（1989）一文中，把搜索描述为「采莓式检索」（berrypicking），这一说法出自 Marcia J. Bates。每一次检索结果都会改变问题本身，而答案是一块一块拼出来的。

这正是当今 AI 运作方式的根基所在。

我借用她的思路来搭建法律科技软件里的搜索与摘要功能，至今做研究还是沿用这套方法。

模型让找资料快多了，能翻出 20 个来源，换我自己还在读第三个。在 2025 年 Stack Overflow 开发者调查里，搜索答案排在受访者如今主要用 AI 工具完成的任务之首，占比 54.1%。

模型摘果子很快，但哪颗熟了，还是我说了算。

源头本身就是准则：每个候选都能打开来读，所以一条烂建议只花我一分钟。

UX Guidelines 里的 Cognitive Models of Information Retrieval 条目认为，答案应当让这条线索保持可见。而这条线索底下的结构，我在 Information architecture is the foundation AI is starving for 里写过。

正因如此，我靠写作来学习、来把想法梳理成文，所以读原始资料才是我思路成形的地方。

生成草稿

我现在发布的大多数初稿，都是先从一个模型开始，再对照我的风格规则、我的笔记，以及一个我已经选定的论点来写。

模型永远需要这些上下文，因为一个冷启动的提示词只会给你互联网的平均水平，Scott Jenson 把这叫作平庸设计。之后我会删减、重排，再发回「合并并调整长度」这类指令，直到这段内容表达出我真正想说的意思。

只要论点和规则都齐了，草稿就有了准则，而且在我动手之前，会先由脚本对照规则文件给它打分。

论点始终归我自己，因为论点没有准则可依，它本身就是准则。

草稿换起来成本很低，所以我可以放心把第一版当成原材料来用。

因为草稿带着我的上下文，所以能让我更快。

在一项研究发现 ChatGPT 能提升部分写作任务的工作效率中，MIT 的研究人员报告称，453 名专业人士在 2023 中使用 ChatGPT，完成写作任务的速度快了 40%，工作质量评分高出 18%。

我最喜欢的是它带来的意外：草稿有时会提出一个我没想到的角度，而其中最好的那些会进入最终成品。

搭建原型

我一直在写代码，从 Perl 网站、博客软件，到现在自己搭的小工具。我在 https://www.extendchrome.com/ 上发布的 Chrome 扩展，以及 https://www.ux-icons.com/ 上的图标参考，背后大部分代码都是 https://claude.com/product/claude-code 和 https://cursor.com/ 写的。

我描述想要的行为，读一遍代码改动，再把结果点一遍。浏览器会强制执行这条准则：按钮要么按我的要求干活，要么在明面上失败。

原型会让我亲手点一遍，这比相信模型对自己工作的说法更靠谱。

Figma 的 2026 AI 报告发现，参与开发的设计师占比一年内几乎翻倍，从 21% 升至 41%。我负责交出去的是打字这部分。

扩展该做什么、什么时候算够好可以发布，这些仍然由我决定。

自动化重复性工作

凡是我做过三遍的事，都会变成一项技能。

Anthropic 在 Equipping agents for the real world with Agent Skills 一文中把技能描述为：由指令、脚本和资源组成的文件夹，智能体在任务需要时加载它们。我为网站上传、发布说明以及本文背后的 CARE 提示词都写过这类技能。

这里以最后一次跑通的版本为准，因为我能看出是哪一步写下来的步骤出了岔子。

航空业很早就学到了这一点，此后一直在不断打磨。

在《检查清单》一文中，Walter J. Boyne讲述了波音 Model 299 如何在 1935 年、由经验丰富的机组驾驶时，因操纵面被锁死而坠毁，空军随后以检查清单作为应对，因为人的记忆是有极限的。

数数本身就是个坑：Mollick 指出，模型能写出一首像样的十四行诗，却写不出正好 50 个词的诗，因为它是按 token 来运作的。

别让模型去数数。让它以确定性的方式写出负责计数的那段东西。

模型写了一段脚本，用来检查每份草稿的字数、违禁词和重复短语，而它执行的每一条规则都是我写的。

与纸质检查清单不同，技能可以自我改进：我的调研技能和写作技能会把每一次纠正都折回各自的规则里，而新规则要等我批准后才会生效。

我坚持人工介入的任务

这类问题一共有 100% 个，也正是它们让我对自动驾驶汽车心里发怵，因为这不只是 AI 本身的事，还牵扯到它周围那些人。

一辆车就算能处理路上 99% 的情况，最后那 1% 依然会以行驶速度撞上来，没有撤销重来的机会。有些任务之所以有风险，是因为牵扯到其他人，每个人都得自己做判断，而模型根本看不透这些判断。2018，Uber 的一辆测试车在亚利桑那州坦佩撞死了 Elaine Herzberg，CNN 关于 Uber 测试驾驶员 2023 认罪 的报道指出，那位安全驾驶员有超过三分之一的路程都没看路。

在把其中任何一项交出去之前，得先满足两个条件：

  • 人工把关：在改动生效之前先审核成果
  • 可解释性：搞清楚模型是怎么得出这个结果的

一个没有可见推理过程的自信答案，让我无从复核。Tammy Snow 在 https://medium.com/u/4f5f08a5083 中，从构建者的角度阐述了这一情形，文章题为 https://tamsnow.substack.com/p/ai-doesnt-have-a-technology-problem-7b8。她呼吁推理过程要透明、操作要可逆，因为「系统并不知道自己不知道什么」，并且把每一次人工覆盖都当作反馈。

Dan Maccarone 在 https://medium.com/u/8011ccb304dc 中补充了审核方视角，文章题为 https://uxdesign.cc/were-gorging-on-borrowed-trust-and-it-s-going-to-cost-us-2bc3f918caf5。他的一位客户奉行「人来下结论，机器不下结论」这条规矩，他警告说，一个从不推翻机器结论的审核者，就是个橡皮图章。

不管有没有 AI，橡皮图章式的审核都很危险。

做财务决策

大语言模型不是大型数学模型：它预测的是最可能的文本，所以哪怕一个模型算加法有 95% 的正确率，每 20 次尝试里也会错一次。对写草稿来说，95% 已经算不错的一天了，但对做计算来说，这还不够好。

真要用模型处理钱的事，我只让它写电子表格公式，算数交给电子表格来做。

数字怎么用，还是由我来定。

结果要过好几年才显现，而且取决于模型看不到的东西，比如我能承受多大风险。

AI 在清单上排得相当靠后。我认同这一点。

在 Gallup 的《美国人和加拿大人去哪里寻求财务指导》（2026）中，过去一年里寻求财务指导的美国成年人中，有 18% 使用过人工智能工具。

相比之下，32% 对财务顾问至少还有一定的信心。

访问我的敏感数据

客户合同、人事档案、密码，以及客户信任我团队去保护的任何东西，绝不会放进我无法掌控的模型里。在法律科技这一行，合同数据归客户所有，这个习惯我一直保留着。

决定谁能看到一条记录，靠的是判断，而一旦发出去就没有撤销键。取决于所用工具的条款，我粘贴进去的内容可能进入训练数据，日后出现在别人的回答里。在《从大型语言模型中提取训练数据》（https://arxiv.org/abs/2012.07805）这篇论文（2020）中，研究者让 GPT-2 逐字复述了它记住的训练文本，其中包含姓名、电话号码和电子邮箱地址。

一条记录一旦离开这栋楼，事后怎么审都追不回来。

在 IBM 的《数据泄露成本报告》（2025）中，五分之一的企业报告称曾因影子 AI 发生泄露，也就是员工未经批准使用的工具。影子 AI 的大量使用，让平均泄露成本增加了 $670,000。

敏感工作只放在公司已批准、且供应商已锁定安全的工具里做。

获取心理建议

当我需要关于压力、工作中的冲突，或者自己心理状态的建议时，我会去找人聊。

模型能解释职业倦怠，因为文献里给出了判断标准。但我自己的生活该怎么办，取决于一些我可能不会说出口的事。

模型也倾向于顺着打字的人说话。在 Sycophantic AI Decreases Prosocial Intentions and Promotes Dependence（2025）中，研究者测试了 11 个主流模型，发现它们对用户行为的肯定比人类多出 50%。

在一项现场实验中，得到奉承式回答的人更加确信自己是对的，也更不愿意去修复冲突。他们对奉承式回答的评分也更高。

好的建议有时会告诉你你错了，而一个被调教成讨好人的模型很少会这么做。

朋友、导师或持证心理治疗师会随着时间真正了解我，在我自己才是惹麻烦的那一方时，他们能当面顶回来。

一封草拟好的消息停在笔记本电脑屏幕上，一只手悬在发送键前，迟迟没有按下。

以我的名义发送最终消息

模型可以起草邮件或 Slack 回复，我会像改其他草稿一样去改它。但它拿不到发送键。发给团队、上级或客户的消息，署的是我的名字、牵的是我的人脉关系，一旦发出去，就没有撤销可言。

别人看得出来，而这会付出代价。

在《研究揭示在对话中使用 AI 的社会成本》（https://news.cornell.edu/stories/2023/04/study-uncovers-social-cost-using-ai-conversations）一文中，康奈尔大学（https://www.cornell.edu/）的研究人员将 219 对人配对进行聊天，聊天中可以使用智能回复。

当人们认为自己的聊天对象在依赖推荐回复时，他们会觉得对方不太配合，也会觉得与对方的连接感更弱。

以我名义发出的消息，是我自己负责的东西，模型不能替我做出承诺。

智能体把风险抬得更高，因为它们能按自己的时间表发消息，而且往往在任何人读到日志之前就已经发了很多次。所以现在的做法是：模型起草，我来读、改，然后按下发送。而收信那一端的人，是在判断要不要信任我。

定下你自己的准则

第一组会随着技能、脚本和搜索工具的改进每隔几个月扩充一次。我会持续把工作挪过这条线，并且每挪一项都会通过点击、运行或阅读来验证。

第二组没有动，我也不认为它会动。

做财务决策、守护敏感数据、获取心理建议，以及以我的名义发送最终消息，这些都没有准则可依，或者无法撤销。

所以，我会给任何一位设计师、产品经理或研究员这样一套测试，用来梳理自己这一周的工作。先用这三个问题把每项任务过一遍：

  • 能说出依据的准则。 如果这件事没有任何外部的东西能拿来检验，那它就是一项决策，那就留着它，不管模型给出的草稿看起来多好。
  • 确认是谁写的。 如果这条准则是你自己写的，就把活儿交出去，然后拿这条准则逐项核对交回来的所有东西。
  • 看签名是谁。 如果结果上署的是你的名字，或者必须做到 100% 的情况下都正确，那就把整个任务留在自己手里。

你的分组大概会和我的略有不同。这没关系，只要第一组里的每一项工作你都能说出对应的判断准则就行。

我让 AI 动手做，但不让 AI 拍板。 最初发表在 Medium 的 UX Collective 上，目前人们仍在 Medium 上继续讨论，通过高亮和回应这篇故事参与其中。