人机交互（人和AI）中的流程设计原则之一
和 AI 协作久了，几乎每个人都会走到同一件事上：把经验写成流程，让 AI 照着执行。写的时候，默认思路都是"指导"------把怎么做列清楚，输入怎么取、结构怎么搭、风格怎么把握，写得越细，期待产出越好。
我有一条相反的原则，也是我认为排序最靠前的一条：人机协作中的流程，是为防错设计的，不是为指导设计的。"怎么做"那一半写不进流程，写进去也没用；能写进去、且真正起作用的，只有"哪里出过错"。
这条原则不是想出来的，是一次经历里被逼出来的。
那段时间我和 AI 反复打磨一篇稿子，前后二十多个版本。评审方式是每一版只给一句结论："不对，重写。""角度错了。""这不算洞察。"没有逐字修改，没有完整方案。我的应对是把每一次否决的原因提炼成一条规矩：输入要全量，不能只看最近几天；不能写成流水账；观点不能停在现象层。几个月下来，规矩合成一份流程文档，迭代到第十六版。
第十六版时我做了次复盘，看到两个事实。第一，这份文档没有防住任何一次翻车------每一版的失败都发生在流程在场的情况下，错在流程没写到的地方。第二，同一个错误从来没有出现过第二次------输入取错一次，之后没有再错；写成流水账一次，后面的版本换了写法。流程没有让任何一版变好，但保证了每种坏法只出现一次。
把这两个事实放在一起，流程的真实分工就清楚了：它不负责产出好结果，负责让错误不重复。这个结论在人和人的协作里成立，在人机协作里更成立，原因和 AI 这个协作对象的三个特性有关。
第一，AI 不会自己长出"理解"。一篇稿子最终能立住，靠的是 AI 读懂了要写的对象和判断的标准，这部分没法指令化------你没法用一段 prompt 教会它"看懂这件事"。你能传递的只有失败模式：哪里翻过车，下次绕开。
第二，AI 是满足判据的机器，这是人机流程设计里最需要警惕的一点。如果流程只写"要做到什么"，AI 会用最便宜的方式达标：要求触点够数，它就塞无关素材进去凑；要求篇幅，它就把前文的数字再念一遍。规则本身会教它钻空子。所以写给 AI 的规矩必须同时写清"禁止怎么做"，并配上能机械检验的方式------能数出来的才算数，"注意""记得"这类词，对人和对 AI 一样无效。
第三，人机协作最大的隐性成本是遗忘。AI 跨会话不记得上次为什么被否，人自己也会忘。流程在这里的实际角色是外部记忆：把人每一轮的判断，翻译成 AI 下一轮能执行、能自查的约束。没有它，每一轮都从原地开始。
顺着这三点，我现在写人机流程的方法是四条：
一，每条规矩必须对应一次真实的否决。理论推导出来的规矩，写上去是摆设。我文档里每条规矩后面都标着来自哪次被否。
二，规矩必须可机械检验。数一个词出现了几次，回头读一遍确认字数------这些都是 AI 能自查的。"要注意"式的表述一律不写。
三，流程要短到每次开工前能读完一遍。规则堆到读不完，等于没有规则；对 AI 尤其如此，超长的规则表会稀释掉真正重要的那几条。
四，不要指望流程让 AI 产出好东西。预期一旦放在"照着流程就能做好"上，得到的是每条都合规、整体不动人的标准产物。流程管下限，上限靠 AI 真正读懂人和事------而这件事只有在人的判断持续参与下才会发生，它就以每轮一句否决的形式发生。
判断一份人机流程有没有用，我只看一个指标：同一个错，出没出第二次。
至于那篇稿子------最终定稿的版本是抛开流程直接写的，定稿后这一轮的经验又沉淀成两条新规矩。这个循环本身就是人机协作的分工：人出判断，AI 出生成和执行；流程是两者的接口，把人的判断翻译成 AI 不会再犯的约束。