当工作变得可见，有用的 AI 才会变成现实

AI 产品讨论很容易滑向能力：用了哪个模型，prompt 能覆盖多广，回应听起来多惊艳。这些问题重要，但它们不能证明有用。一个有用的产品始于某个人需要推进的一件工作。它说清输入、随后的决策，以及结果必须具备什么形式，另一个人才可以据此行动。

这会改变产品问题。不要先问 AI 能不能生成某个东西，而要问生成结果让人接下来能做什么。他们能比较两个方向吗？能发现缺失的需求吗？能标注一个屏幕、测试一个流程，或把一个有边界的问题交给开发者吗？如果答案仍然模糊，产品展示的还是能力，而不是创造杠杆。

一个回应可以是正确的，但仍然很难使用。长篇文字会隐藏结构。自信的总结会遮住假设。生成的片段看起来可能完整，却把周围的工作流悬而未决。可触性来自一个能暴露重要结构的界面：状态、层级、依赖、约束和选择。

对软件工作而言，这通常意味着从描述走向真实屏幕、流程和技术决策。artifact 不需要最终完成。它需要足够成形，能支撑诚实的 review。粗糙界面可以暴露不清楚的操作。可见的 empty state 可以揭示缺失数据。具体流程可以显示两个人对同一个需求的理解不同。这些是有生产力的发现，不是 polish 失败。

“Human in the loop”太宽泛，无法指导界面设计。更好的设计会说清判断属于哪个确切时刻。人可以选择方向、修正假设、批准边界，或决定生成结果不值得继续推进。每一种判断都需要可见证据和清晰动作。

这就是为什么可编辑性重要。只能重新生成的结果会鼓励抽奖式行为：再 prompt 一次，然后期待更好。可以检查和修改的结果会把生成变成协作。人可以保留有效部分，隔离无效部分，并传达精确修订。产品不再只是产出答案，而是创建一条从 intent 到 evidence 的可控路径。

AI 辅助的早期 pass 最有价值的输出，可能是一个更清楚的问题。可见 artifact 可以把核心工作流和装饰分开，识别哪里需要 authentication 或数据，并显示哪些决策仍属于团队。即使第一个方向被否定，这种清晰度也会推动工作前进。

这让克制变得重要。产品不应该用过量细节伪装不确定性。它应该在有证据的地方具体，在决策仍然开放的地方明确。有用默认值可以减少空白页工作；可见边界可以防止这些默认值变成意外需求。目标不是让生成的工作看起来不可避免，而是让通向更好决策的路线变得可读。

在增加另一个能力之前，先检查当前结果。问一个新的 reviewer 是否能看出这个 artifact 用来做什么，哪些选择产生了它，哪里仍然不确定，以及下一步可用动作是什么。如果这些答案需要额外解释，界面还没有承载足够的工作。

有用的 AI 不会把人从产品开发中移除。它给人一个更好的对象，让人围绕它思考。可触性让这个对象可以共享、可以 review，并且有能力变成软件，而不是停留在令人印象深刻的回应。