AI 越快，越不该替你做决定

最近我在写 AI agent 的框架和 harness（把模型和工具串起来的执行框架），目标很朴素：让尽可能多的 agent 同时干活。做了一段时间发现，卡住我的不是模型，而是我自己：AI 执行任务的速度已经快过我写目标、做决策的速度，整套并行系统能跑多快，取决于我一个人的处理节奏——我成了自己系统里最大的锁。

我有快 20 年研发经验，全栈技术和不少业务领域都算熟悉，但这些经验需要重新提炼一次：使用 AI 的能力范式变了，过去比谁能把事情做出来，现在比谁能在同样的信息面前更快做出对的决策。

瓶颈已经不在模型那边

Artificial Analysis 在 2026 年 9 月的实测里，DeepSeek V4.1 Flash 推理模式下的输出速度是 238.8 token/s，同档的 Gemini 3.5 Flash-Lite 是 395 token/s，而最快的 Celeris-1 已经跑到 1,575.6 token/s。按 DeepSeek 官方文档的换算，1 个汉字约等于 0.6 个 token，238.8 token/s 就是每秒约 398 个汉字。

人的阅读速度只有每秒几个字。IReST 中文版测出的正常视力中文青年读者平均速度是 295 字/分钟，Brysbaert 在 2019 年汇总 190 项研究得出的英语成人默读平均速度是 238 词/分钟。两者相除，模型生成 1 分钟的内容，人类要读约 80 分钟；DeepSeek V4.1 Flash 单次最多输出 384K token，约合 64 万汉字，按 295 字/分钟要读 36 小时。这还没算那些不进入最终产出的思考 token。

人当然不必读完所有内容，真正要读的是决策点和模型提出的“待讨论的问题”。可这部分也早已超出带宽：一份方案连同背景、对比和风险说明就是几千字，还没开始判断，注意力就用完了。

AI 的产出速度超过人类的阅读速度，这件事已经没有讨论价值。值得讨论的是它下面的反共识：产出再快再好，也不意味着人应该放弃阅读、放弃对方向和目标的掌控、对一切直接 allow。

快，不等于可以放手

读不完，最顺手的反应就是少读一点；模型看起来比我想得周全，最顺手的反应就是直接 yes。这正是 AI 越强越危险的地方。

有人会问：既然决策是瓶颈，那把决策也交给 AI 不就行了？AI 确实能生成候选决策，很多场景下比人考虑得周全。但决策的背后是责任，选择权的转移等于责任的转移：花多大代价、牺牲谁的利益、承担什么风险，后果最终只能由人承担。AI 可以提出十条路线，但没有人能替它按下选择键。

AI 也不适合做这类取舍。它倾向于遵循最初设定的目标，缺少在过程中重新估价的能力：目标一旦被设定，它很少主动说“这条路不值得，换个更省的做法”，而是按原定目标把能做的做完。

于是衡量“会用 AI”的标准也变了。会写 prompt、会用工具、会搭工作流只是入场门槛，真正决定产出的是在单位时间里做出了多少经得起事后检验的决策。速度要和正确率相乘，而不是相加——快速的错误决策，价值为零。权重还随可逆性变化：可回滚的决策应该快速拍板，不可逆的决策值得慢下来。

三项要练的能力

第一件是把目标想清楚。人要站在繁琐的工作之外，说清楚真正要达成的是什么，然后把不关键的决策下放给靠谱的 AI：多个 agent 交叉验证，用门禁标准约束产出质量，把人的输入量压到只处理影响方向的决策上。

第二件是选对路径。达成目标的路径往往不止一条，短期调研分辨不出长期代价。做一个网站可选的前端技术非常多，不考虑更长远的目标时，怎么选差别都不大；一旦把业务场景、用户设备、团队经验、跨平台需求放进来，选择就会收敛。麻烦在于这些约束通常不会在第一次交代目标时说清楚，只能由人在出现选择时判断，或者在中途发现问题后纠偏。

第三件是在达成目标的前提下做取舍。今天绝大多数工作服务的是人类，只有人能判断“以相对经济的方式往前走”和“不惜代价完成目标”的区别。AI 更擅长完成目标，而不是判断目标值多少代价。

把这三件事放在一起，前面的矛盾就解开了：要压缩的是人需要读的总量和粒度，要提升的是单位输入里的判断产出。少读不是不读，而是只读值得人读的那部分。

这是当前的瓶颈，不是永恒的瓶颈

信息爆炸和决策点爆炸，眼下更像是工程问题：摘要、diff、门禁、交叉验证都是把输入压缩给人的手段，工具层还有很大空间。多 agent 并发也把度量搞复杂了——METR 在 2026 年 2 月承认，对同时使用多个 agent 的开发者，单任务耗时已经测不准。

但工具解决的是“让人读得更少”，解决不了“要不要做、做到什么程度、这个代价值不值得”。这些判断只能练出来，过程也不会轻松：速读和快速决策需要长期训练，靠反复复盘、理解业务原理、积累业务敏感度。更可能的未来是 AI 越强、人越累。

边界

目标明确、结果可自动验证、出错可回滚的任务，人的介入确实在减少，决策本来就不构成瓶颈。反过来，目标越模糊、后果越不可逆、约束越多，决策瓶颈就越明显。

卡住的时候我会先问自己：这个决定是不是非我不可？是就尽快定，不是就连同判断标准一起交出去。用 AI 这件事，比的不是工具更花哨，而是谁更清楚自己在为什么做决定。