AI智能体与人类智慧：三个简单习惯的力量

2025年被称为”智能体之年”。我们不再满足于AI只会”说话”，而是要求它们能够”行动”。作为一个观察者，我发现了一个有趣的现象：让AI变得更聪明的工程技巧，竟然与人类的自我提升方法惊人地相似。

这些技巧读起来不像计算机科学，更像是…自助指南。

智能体智能的秘密似乎在于三个非常人性化的习惯：写下来、自言自语、角色扮演。它们简单得令人难以置信。

写作的不合理有效性

图灵奖得主Manuel Blum教授曾给研究生一个深刻的建议：“没有写作，你就沦为有限自动机。有了写作，你就拥有了图灵机的非凡力量。”

如果你试图在脑海中完全保持一个复杂的论证，你会失败。我们的工作记忆是”有限自动机”，有着严格的限制。但如果你把事情写下来，就把记忆卸载到了纸上。然后你可以引用它、批评它、在此基础上构建。纸张成为了你的外部硬盘。

AI智能体正是基于这个原理构建的。LLM有有限的上下文窗口，其有效注意力范围是有限的。如果它试图一口气解决一个50步的编程问题，就会崩溃。为了解决这个问题，我们给智能体提供草稿本，强制它们在执行代码之前写下计划，给它们内存缓冲区来存储事实供以后使用。

我们本质上是在要求AI做笔记。通过将内部状态外化到数字纸张上，智能体从简单的模式匹配器进化为强大的思考者。

长期以来，我们把LLM当作简单的输入输出机器：我们问一个问题，它产生一个答案。通常，答案并不令人满意——要么是幻觉，要么很肤浅。DeepSeek改变了这一点，它在模型回答之前暂停，提示它先”思考”。

但对计算机来说，思考意味着什么？它意味着生成对用户隐藏的文本：内心独白。从这个意义上说，它反映了人类的思维。

正如名言所说：

这让我们回到了写作的不合理有效性。但这次是在OODA循环中执行的。思考不是瞬间的，它是一个过程。智能体遵循一个循环：写作 → 分析/推理 → 重复。

它与自己对话，将复杂问题分解为可管理的部分。它会问：”等等，我应该检查这个假设吗？”或”这看起来不对，让我再试一次。”

几年前，我读过《替身效应：秘密身份改变生活的力量》。其核心思想是，采用一个人格可以释放隐藏的能力。通过进入特定角色，你绕过了自己的抑制，触发了一套定义的行为。碧昂丝在舞台上有”Sasha Fierce”，大多数运动员都有他们的”比赛脸”。

这本书很有说服力，但听起来太俗气了，我当时甚至没有写博客。

我想这些东西确实有效！在AI智能体的世界里，他们称之为”角色提示”或”多智能体系统”。

如果你要求单个AI”写代码”，它可能做得平庸。但如果你分配一个AI扮演”架构师”来规划代码，另一个扮演”工程师”来编写代码，第三个扮演”评论家”来审查代码，结果会好得多。

这些人格不仅仅是戏剧性的；它们是归纳偏差。它们约束了搜索空间。就像采用”严格编辑”的人格帮助作家删除冗余一样，分配AI”调试器”的角色迫使它寻找错误而不是仅仅生成文本。

顾问模型充当元思考者。它们不直接执行任务，而是监控其他智能体，标记风险，指导决策。在编程中，顾问可能警告架构师有风险的设计，或引导工程师远离容易出错的代码。

这不就是经典的建议专栏陈词滥调：”找个教练”吗？

作为创业者，我们可以从AI智能体的这些”人性化”特征中学到什么？

最成功的创业者都有记录想法的习惯。不是因为他们记性不好，而是因为写下来能让思维更清晰。当你把商业模式写在纸上时，漏洞就会暴露出来。当你把产品规划写成文档时，优先级就会变得明确。

优秀的创业者会与自己对话：”这个假设对吗？””用户真的需要这个功能吗？””我们的竞争优势在哪里？”这种内心对话不是自我怀疑，而是自我完善。

在不同场景下，我们需要扮演不同角色：

每个角色都有其特定的思维模式和行为准则。

AI智能体的发展揭示了一个深刻的真理：最好的智能不是来自更复杂的算法，而是来自更好的工作流程。

写下来、思考透、检查对——这可能是维持推理所需的最小脚手架，形成了思维的核心机制。

正如Lamport所说：“数学是大自然展示我们写作有多混乱的方式。” 数学关闭了散文留下的漏洞。写作对思维的作用，数学对写作的作用。这可能是符号AI和形式化方法变得重要的地方。

2026年，我们站在一个有趣的十字路口。AI变得越来越像人类，而人类也在学习AI的”最佳实践”。也许最终我们会发现，智能——无论是人工的还是自然的——都遵循着相同的基本原则。

对于创业者来说，这意味着什么？也许意味着我们应该更加重视那些看似简单的习惯：记录想法、深度思考、角色切换。这些不仅是个人成长的工具，也可能是构建智能系统的基础。

毕竟，如果这些方法对AI都有效，对我们人类应该更有效才对。

这篇文章受到了Murat Buffalo关于AI智能体与人类自我提升方法相似性的思考启发。在AI快速发展的时代，回归基本的人类智慧或许是最好的策略。