原文：mp.weixin.qq.com/s/9usWvmo8B...（2026年10月14日）
我有个习惯，碰到一个新说法先打个问号，自己上手试一遍
前阵子让 AI 翻译一份技术文档，几十页，翻得又快又顺，我以为总算找到了偷懒的办法
换成一本几百页的书，还要求全书术语统一，agent 一律译成智能体，它翻到后半本就开始乱，前面叫智能体，后面悄悄改回了代理
它没变笨，是记性有上限
一个再强的个体，也难抵一支组织起来的队伍
它卡住的地方，不在智商
把 AI 的脑子想成一张小书桌
你每交给它一步，就往桌上多摊一叠纸，任务越复杂，桌上堆得越高，直到放不下一张新纸
桌面一乱，它还会找不到刚才那张纸，忘掉早前定好的规矩，或者凭空想起一条根本不存在的约定
一个单独的 AI，能写好一个函数，却很难独自啃完一本书，也很难一口气改好牵动十几个文件的项目
它的上限从来不是聪不聪明，是桌面不够大，也管不好
一个天才造不出一部手机，一群普通人可以
既然一张桌子不够，那就多摆几张
真正让我意外的是，一群普通的大脑凑在一起，能做出一件任何单个天才都做不到的事
你看人类自己，没有哪一个人能独自造出一部手机，芯片、屏幕、系统、供应链，是无数人分工、争吵，再一代代把知识传下来攒出来的
AI 也是这样
有一次，一支团队让 45 个 AI 一起去找软件漏洞，它们在一个公共讨论区里协调分工、互相翻检，最后找到 266 个
同一批 AI 各自闷头干，只找到 21 个
差别只有一个词，组织
一堆各自为战的 AI，凑不成一支队伍
多开几个互相讨论，这件事没那么简单
看到这里，我下意识想，那我多开几个，让它们互相商量不就好了
先别急
想象一场会，四个人围着同一份材料，你念一遍，我念一遍，他再念一遍，材料还是那份材料，谁也没多念出一条结论
得有人跑出会议室，去外面翻了资料，带回新的东西，这场会才算没白开
判断该不该加人，我只看一条，这事有没有引入单个 AI 自己想不出来的信息
让同一个 AI 把自己的答案再检查一遍，或者让几个 AI 就同一段内容争来争去，都没带来新东西，效果跟单个 AI 差不多
可一旦让它真的跑一遍测试、看一眼自己渲染出来的截图、调用工具去核实一个事实，结果就明显不一样
有个实验我印象很深，只让 AI 回看并纠正自己的答案，不给任何外部反馈，准确率不升反降，它把对的改错，比把错的改对还多
后来有人换个法子，让它生成网页，再把网页渲染出来的截图和对截图的描述一起喂回去，通过率从大约百分之二十六，涨到大约百分之五十二
差不多翻了一倍，道理也简单，那张截图里有它写代码时根本看不到的东西
让 AI 多想一想，不如让它多看一眼真实的结果
时间给得越多，它反而越容易偷懒
讲到这里，你可能想，那我多给它一些步数，让它多调几次工具、多迭代几轮，总能做得更好吧
我原本也这么以为，直到看到一个反直觉的结论，单纯给 AI 更多步骤，并不保证它做得更好
就像一个不专心的学生，你给他两个小时的考试时间，他也不会因此考得更高，可能半小时写完就趴在桌上发呆
很多 AI 也一样，哪怕给它三百步的余地，它还是只做浅浅的搜索，很快就停在原地
想让多出来的步骤变成更好的结果，它得学会一点时间管理，前期多探几条路，后期把力气集中在最有希望的方向
这对组队也有启发，带队的不能只会派活、等结果，得按任务的难易分配步数，简单的少给，难的给足
还得算一笔账，多个 AI 一起干活，非常烧钱，好处得大到盖住这份开销，不然一个调教得当的单个 AI，反而更划算
真要组队，有两件事躲不开
一件，要不要共用一本笔记本
共用的话，后来的人能翻到前面所有人的记录，信息不丢，代价是本子越记越厚
不共用，各记各的，干净利落，得靠传纸条、共用文档来通气
另一件，谁来当这个小组长
要么大家平级，互相把关，像一个人起草、另一个人在旁边挑毛病
要么一个组长派活，拆任务、盯进度、汇总结果
要么干脆没有组长，一群人自由协商，自己协调
这两件事怎么选，哪一种队形适合什么场面，我打算下一篇接着聊
回到开头那件事
为什么越用 AI，越觉得它不够用
我现在的答案是，问题往往不在它不够聪明，在于你还让它一个人扛
要不要组队，从来不是看你开几个 AI，是看你有没有替它带回单个 AI 拿不到的新东西
想到这一层，我大概不会再迷信把 AI 堆得越多越好了