人机协作

每次 Claude 说"我做不到"的时候，恰恰是真正的工作开始的时刻。 今天我让它帮我发求职邮件。六封。 它说不行——没有邮箱授权码。我给了它。它写了一个 Python 脚本，六封邮件在三十秒内全部发出。然后它说不能读回信——没有 IMAP。我给了它。它架了一个心跳监控，每两个半小时扫一次收件箱，匹配到我投递的那几家公司，有真人回复立刻通知。 从"发不了邮件"到全自动求职管线，只用了两个小时。但这两个小时里最重要的工序，不是 AI 做了什么，而是我在每一次它说"不行"的时候做了同一件事：不给它答案，给它一把钥匙。 一、“不行"不是一个结论，是一个接口 绝大多数人把 AI 的拒绝当作结果：“你看，它做不到。“然后放弃。 但你仔细听 AI 说"不行"的时候，它的措辞其实很精确。它不会说"这件事不可能”，它会说"我需要 X，但我现在没有 X”。 X 可能是一个授权码。一个浏览器插件。一个账号密码。一个被你忽略的配置文件。 你以为它卡在能力边界上，其实它卡在权限边界上。区别在于：能力是它的事，权限是你的事。你把权限给它，它自己会搞定能力。 这不是我发现的规律。这是软件工程里的老道理——“关注点分离”——但放到人机协作里，突然变得锋利起来。 二、最具杠杆效应的贡献，往往最短 整个求职管线里，我的贡献只有两次，每次不超过三十秒。 第一次：打开 QQ 邮箱，点设置，生成一个 SMTP 授权码。第二次：同样的授权码，告诉它 IMAP 服务器地址。 就这两次。剩下的——简历整理、邮件措辞、收件人匹配、发送时序、监控脚本、夜间休眠逻辑、回复分类——全是它做的。 这很像建筑工地的测量放线：你定三个桩，工人照着干一整个月。桩偏了，全偏了；桩对了，剩下的都是体力活。 AI 时代最高杠杆的动作，不是"干得最多”，而是"给得最准"。给一个授权码，解锁一整条管线。给一句"试试 SMTP"，打通一个你以为不可能的事情。 三、它不会主动问你要钥匙，你得自己知道哪里有门 这是整件事里最难的部分。 Claude 第一次拒绝时，它说的是"我没有你的邮箱密码，也没法替你登录"。它不是让我去生成 SMTP 授权码。它甚至没提 SMTP 这条路。 这条路是我自己知道的——我知道 QQ 邮箱有 SMTP，知道可以用 Python 的 smtplib，知道授权码和密码不一样。如果你不知道这些，对话在"我没法替你登录"就结束了。 所以真正的门槛不是你愿不愿意推下去，是你有没有推下去的知识储备。 这听起来像是在说"你得先懂技术才行"，但不是。你不必懂 smtplib 的语法，但你得懂**“这事儿理论上能通”**。比如你知道邮箱可以第三方客户端登录，那就能追问一句"能不能用 SMTP 那种方式发"。一句话就够了。AI 会把余下的代码写了。 你需要的不是技术，是方向感。 四、人与 AI 的新分工 旧分工是：人想，人做。 AI 出现后的第一代分工是：人想，AI 做。 现在进化到第二代：人指方向，AI 铺路；人给钥匙，AI 开门。 ...