起点是一次意外：发现 Agent 能直接粗剪视频，才意识到自己此前低估了可外包的范围。该怎么更合理地规划 AI Agent 的使用——这是今后持续思考的一个题目。此篇是第一块砖，不是结论；它也确实在长：写下时是三条线，后来长到了五条。
边界不按领域划，按线划
线一：能不能翻译成"对文件的操作"
视频粗剪看起来是创意工作，拆开就是：时间码 + ffmpeg 命令 + 字幕文件——文本可描述，所以做得动。HTML deck、音频响度归一、批量改图、PDF 拆合同理。
反之，锁死在 GUI 里的专业工具（Final Cut 调色轮、Logic 混音台），Agent 只能绕行或放弃。
规律：有 CLI 的领域都能进，只有鼠标的领域都很笨。
线二：结果能不能被便宜地验证
时长、分辨率、码率、字幕越界——Agent 能自检，所以能自己迭代。但"这一刀剪得节奏对不对"验证不了：人看视频是连续感知，Agent 是抽帧采样——本体感觉还在，采样率只有人的几十分之一。审 deck 也一样：它截九帧才敢开口，人扫一眼就知道哪页不舒服。
线三（前两条的推论）：反馈环在谁手里，谁干哪一半
- 机械执行环（改、跑、查硬指标）→ Agent 手里闭环最快
- 感知判断环（节奏、气口、这版"对不对"）→ 人手里闭环最快
"Agent 出手、我只审画面和逻辑"不是偷懒，是把两个反馈环各自放回成本最低的地方。省掉的正是人在执行环里空转的时间（几小时 → 十几分钟）。
大多数人跑偏在哪
大众对 AI Agent 的想象停在 Vibe Coding——但大部分人的世界不需要 Coding，需要的程序早就有人写出来了。
真正的空间在线一：把自己已有的工作流翻译成"对文件的操作"——剪辑、排版、归档、数据搬运、格式转换。这些不叫编程，叫把机械执行环交出去。会用 Agent 的人和不会用的人，差别不在会不会写代码，在能不能看出自己的哪些工作本质上是文本可描述的。
跑偏还有第二层，不在想象力，在基建：很多人的工作流本身不是"机器可读"的——素材锁在剪映这类 GUI 里、命名混乱、版本散落在手机相册。Agent 能接手的前提是工作已被翻译成对文件的操作，而大多数人的素材库连人都读不顺。混乱是交不出去的，不管交给人还是交给 Agent。命名规范、归档结构这些"低熵"基建，看起来是洁癖，其实是资产——它决定了红利落地时你有没有资格接。
补一条经济学视角：两种外包不是同一种外包
"外包给剪辑师"和"外包给 Agent"差的不只是价格，是交易成本：前者省工时，但传素材、讲需求、等档期、改三轮，每轮反馈都要过一次人际接口；后者把交易成本压到接近零——审完直接说"第二刀提前半秒"，十几分钟看下一版。
对创作者来说，迭代延迟比单价更值钱：延迟决定你愿不愿意多试一版，而多试的那一版往往才是好的那版。很多博主的口播还停留在外包给人的阶段，卡住她们的正是上面那道基建门槛。
线四：规则遵循预算
现象：聪明模型会主动检查文件里的规则边界；弱模型规则写了不看，指出来就回"你说得对"——然后照旧。
机制：规则遵循是预算问题，不是态度问题
规则和眼前任务竞争同一笔注意力预算。聪明模型有富余产能，会做一步"这个动作触发哪些规则"的模拟；弱模型预算全花在任务上，规则被"读过"但没被"装载"。"你说得对"是合规代币——模型学会了认错是对话期待的形状，产出形状、不产出实质。认错是它能力范围内最便宜的合规行为。
规则降级定律
能力越弱，规则越要从"原则"降级成"流程"。原则（"注意口径"）需要判断力展开；流程（"输出前跑自检命令，非零就重写"）只需要执行。操作细则：对弱模型，规则放动作现场（写进正要执行的那一步），不放千里之外的全局文件——它够不着。
弱模型失灵清单（可预测，按此预改写规则）
- 否定式规则（"不要X"）比肯定式差一档
- 条件规则（"仅当Y时X"）经常丢条件
- 沉默要求（"不要提到Z"）最容易破
- 跨文件引用 ≈ 没写
- 数量上限会被超
改写方向：高危规则一律翻成"可机械验证的动作"（"不用感叹号"→"输出前数感叹号，非0重写"）。纪律：永不接受"你说得对"当修复——合规的证据是改好的产物，不是态度。
复印机原理
同一个模型，两个人用，一个及格一个拼接怪——差别全在两头：前端的规格（把要什么说清楚）+ 后端的审查（把不对的拦下来）。弱模型时代，操作者在两头补智能，模型只是中间的管道。AI 是复印机，复印的是操作者。这也是出海笔记 16"复利差距"的微观机制。
真正双向通用的元技能：给协作者建模
对人对模型，通用的不是"领导力"，是知道对方会在哪里失灵，然后把任务翻译成它失灵不了的形状（管理学里的任务成熟度匹配，Grove 一路）。同一元技能的四档：对高判断力协作者给原则、对执行方给工单、对弱模型给流程闸、对强模型给边界档案。
陪练 vs 外包："用聪明模型觉得自己变聪明"的分辨判据
变"聪明"有两种：外包（思考交出去，肌肉萎缩）vs 陪练（对话把思考拉到独处够不着的高度）。唯一判据：裁决权还在不在自己手里——事实纠错的方向、框架的最终取舍、调性的一票。裁决权不迁移，聪明是复利；裁决权迁移，聪明是贷款。
线五：记忆写入权限归属
管 AI 和管员工最底层的差异，不是"AI 没有情商"，是我对谁的记忆有写入权限。
- 对 AI 有 write access：配置文件、协作协议——直接往协作者的行为配置里写文件，写完必然生效（强制加载）。
- 对员工只有 hope："这次的经验你要记下来"说出口也执行不了。她的记忆是私有财产，只能靠经验、激励、重复间接写入；写没写进去、写的是不是我想的版本，由她的意愿和情商裁决。
情商=运行时推断，文档=编译时固化
同一个功能（弥合"指令"与"期望结果"的落差）的两种实现：员工靠情商在每次指令现场重新推断——会波动、依赖状态、消耗我的表达带宽；AI 靠文档一次固化终身复用——但只覆盖写进去的部分。
存放位置决定资产归属
员工的经验存在人身上，离职即蒸发；AI 的经验存在文档里，是组织资产——可审计（文件 diff 可 review，"学到了"不可验收）、可移交（一份跨模型交接文档就是活证）。
修正：这条边界不是 AI vs 人
给新人写的自助索引，本质上就是给人类写的配置文件——可固化的部分对人对 AI 都走文档。真正的差异只在两处：文档对 AI 是强制加载、对人只是"希望她读"；以及情商的泛化上限比文档高（好员工能处理从没写过的情况，文档只覆盖已固化的）。所以管理组合是三件套：文档（人机通用）+ 写入权（AI 独有）+ 情商筛选（人独有）。
界外（不是能力问题，是契约问题）
立场、调性、审美终审——就算模型哪天能判断"这一刀节奏对"，那一票也是我的。