尧图网页设计 
摘要随着大语言模型与生成式 AI 的普及人机协作的瓶颈已从工具操作技能转向需求表达能力。本文提出AI 时代的核心竞争力不是会用什么工具而是能清晰描述最终效果并定义验收标准的描述性智能Descriptive Intelligence。文章从认知科学、软件工程与 Prompt Engineering 三个维度切入构建了需求描述—验收标准—评估体系的三元框架并提出事前验收标准嵌入法PEAC作为执行性场景的实践方法论。在此基础上本文进一步提出探索性工作流中的跑分即验收模型将排列组合式生成与多维度量化评分结合形成从模糊探索到精确执行的连续光谱。本文的核心命题是只要给 AI 实验场地加上验收标准就能改变世界、创造未来。当实验场地的门槛趋近于零、验收标准的能力成为通用素养每个人都将拥有将想象力转化为现实的原型工厂。研究表明无论是执行模式下的对齐度检查还是探索性场景下的跑分矩阵其本质都是将验收标准前置以评估驱动生成——最终 benchmark 永远是真实世界的反馈数据。关键词生成式 AI描述性智能验收标准跑分矩阵排列组合探索性工作流实验场地人机协作创造未来一、引言2022 年底 ChatGPT 发布以来AI 工具的门槛被极大拉平——任何人都可以在 30 秒内免费或低成本使用全球最先进的模型。然而一个显著现象是面对完全相同的工具不同用户的产出质量差异巨大。这种差异不能归因于技术能力——因为操作本身已经极致简化。真正造成差距的是用户能否将自己的意图精准地翻译为 AI 可理解的语言以及能否在结果交付时有效地判断好坏、定义标准。本文认为AI 时代正在催生一种新型能力——描述性智能其核心包含两个不可分割的环节1清晰描述期望效果2建立可操作的验收标准。二者共同构成了人机协作中的需求—验收闭环。但本文的野心不止于效率提升。我们要提出一个更大的命题只要给 AI 实验场地加上验收标准就能改变世界、创造未来。这不是修辞而是正在发生的现实。当实验场地的门槛趋近于零任何人、任何时间、任何地点都可以调用顶级算力当验收标准的能力成为通用素养知道什么算好、能设计评分体系每个人都将拥有把想象力转化为现实的微型原型工厂。从个人创作者到前沿科研从创业公司到社会变革——改变世界的不再是谁掌握了工具而是谁敢想、谁能验。二、理论框架2.1 描述性智能的定义与分层描述性智能是指将脑海中的目标状态转化为结构化、可传达的语言描述的能力。它包含两个递进层次层次内容典型表现第一层意图澄清知道自己到底要什么能说清目标受众、使用场景、期望效果第二层语言翻译将意图转化为 AI 可执行的指令使用具体、可量化的描述替代模糊形容词以高级感为例。第一层要求用户意识到自己心中的高级指向何种视觉或语言风格第二层则要求将其翻译为低饱和度、大量留白、衬线字体、参考 Aesop 品牌调性等可操作指令。缺少第一层用户自己都不清楚要什么缺少第二层AI 无法准确执行。2.2 验收标准需求描述的镜像软件工程中的 Acceptance Criteria验收标准是指交付物必须满足的条件才能被接受。在 AI 协作场景下验收标准与需求描述存在镜像关系评估的难点 需求描述的盲区当用户拿到 AI 输出后觉得差点意思却无法指出具体问题回溯原因几乎总是原始需求中缺失了关键约束条件——目标读者、情绪预期、参考样本、格式要求等。一旦将这些盲区补入需求验收标准便自动浮现。因此验收标准不应是事后评估工具而应内嵌于需求描述之中在人机之间建立一种极简契约关系你提需求验收标准AI 交活你按标准验收。2.3 实验场地 × 验收标准 创造引擎这是本文的核心理论模型。我们引入一个最简公式创造力 实验场地 × 验收标准实验场地SandboxAI 提供的零边际成本试错空间。在这里你可以跑 100 个方案而不消耗真实世界的资源。场地越大模型越强、上下文越长、工具越多探索空间越广。验收标准Benchmark判断什么算好的能力。没有标准实验只是随机游走有了标准实验才是有方向的搜索。两者缺一不可。只有实验场地没有验收标准 → 无限试错但无法收敛最终迷失在可能性海洋中。只有验收标准没有实验场地 → 标准再精确也只能停留在纸面上无法快速验证和迭代。只有两者结合才能将想法压缩为现实——这就是改变世界的机制。历史上每一次生产力跃迁本质上都是实验场地 验收标准的民主化印刷术 → 知识实验场地扩大同行评议成为验收标准 → 科学革命蒸汽机 → 工程实验场地扩大效率/成本成为验收标准 → 工业革命个人电脑 → 软件实验场地扩大用户体验成为验收标准 → 信息革命AI → 认知与创造实验场地无限扩大描述性智能跑分成为验收标准 → 我们正在站在问号的位置上。三、AI 输出的评估体系基于前文分析本文构建一个三层评估模型第一层对齐度Alignment最核心指标。衡量输出与需求描述的匹配程度。如果需求明确指定了给投资人看的 PPT克制、数据驱动、不要花哨动画而输出满屏转场特效则对齐度为零——无论内容质量如何。第二层客观指标Objective Metrics可量化验证的硬性条件字数/篇幅是否达标格式是否符合要求表格、代码块、层级结构事实准确性数据是否编造、引用是否正确完整性要求的要点是否全部覆盖第三层主观质量Subjective Quality需要人类判断力介入的维度逻辑自洽性风格/调性与预期的一致性信息密度与洞察深度是否正确地说废话创意与原创性这三层构成了一个由硬到软、由机器可验到人类专属的梯度。越往上层越体现人类的不可替代性。四、方法论事前验收标准嵌入法PEAC基于上述框架本文提出一种执行性场景下的实践方法论——事前验收标准嵌入法Pre-embedded Acceptance Criteria, PEAC。4.1 核心原则最好的验收标准是在提需求之前就想好的。4.2 操作步骤Step 1定义交付场景与受众“这是给谁看的在什么场景下使用希望对方产生什么反应”Step 2列出 3-5 条具体验收标准每条标准应具备可验证性Verifiable——即拿到结果后能明确判断通过/不通过。❌ 模糊标准“要写得好”✅ 可验证标准“能让完全没听过这个产品的人在30秒内明白它是干嘛的”Step 3将验收标准嵌入 Prompt我要 [交付物]。验收标准 1. [具体标准A] 2. [具体标准B] 3. [具体标准C] 写完后请对照以上标准自检未达标项请修改。Step 4执行与验收拿到结果后逐条对照验收标准打勾。未通过项直接反馈给 AI 进行定向修改而非笼统要求再改改。4.3 预期效果维度传统方式PEAC 方式首次输出质量平均水平需多轮修改对齐度显著提升返工次数3-5 轮常见1-2 轮以内评估成本每次重新判断好不好逐条打勾客观高效人机摩擦高“不是这个感觉”低标准明确指向清晰五、辅助评估技术除 PEAC 方法外以下技术可作为评估体系的补充5.1 A/B 对比测试同一需求用不同描述方式或不同模型生成多个版本通过对比凸显差异。人类对绝对值的判断力有限但对相对差异极为敏感。5.2 AI-as-Judge将输出交还给 AI赋予其特定角色如资深编辑“技术总监”要求从专业角度进行 critique。相当于引入免费同行评审。5.3 真实场景投放最终 benchmark 永远是真实世界反馈文案看点击率、代码看运行结果、设计看用户反应。实验室评估不能替代实战验证。六、案例分析案例产品介绍文案传统 PromptPEAC Prompt需求“帮我写个产品介绍”“帮我写一段产品介绍文案。验收标准1让完全没听过的人30秒内明白用途2读起来像朋友推荐而非广告3不超过150字。写完后自检。”首次输出通用模板化文案需要大幅修改基本满足三条标准微调即可交付返工轮次4 轮1 轮总耗时~15 分钟~5 分钟七、探索性工作流与跑分即验收7.1 排列组合式探索当目标本身不清晰时前文讨论的框架隐含前提是用户知道想要什么——只是需要把它描述清楚。但现实中大量高价值场景恰恰相反用户自己也不知道最终效果长什么样需要通过 AI 快速试错来发现。这就是探索性工作流。典型场景包括品牌命名试 100 个方向看哪个感觉对产品定位排列组合不同受众 × 不同卖点 × 不同语调找最优匹配视觉风格探索同一主题用不同风格跑 10 版对比筛选代码架构方案让 AI 给出 5 种实现路径从性能、可读性、可维护性多维度打分这类场景的核心特征输入是变量组合输出是候选集验收是跑分排序。7.2 跑分作为探索的验收标准在执行性场景中验收标准是对齐度——结果和描述贴不贴。在探索性场景中验收标准变成了一组量化评分维度跑分体系探索变量产品名风格 × 目标受众 × 情感调性 跑分维度 - 记忆度1-10普通人听一遍能记住吗 - 差异化1-10和竞品名字撞不撞 - 可注册性1-10域名/商标拿得到吗 - 延展性1-10能发展成品牌故事吗每一轮排列组合跑完AI 按这套维度给每个候选方案打分排序。跑分本身就是验收——不需要预先定义最终效果而是用评分体系来收敛可能性空间。7.3 排列组合 × 跑分 的操作框架步骤执行性场景探索性场景起点清晰的最终效果描述一组待探索的变量维度过程单次或少量迭代批量生成 排列组合评估对齐度检查多维度跑分排序收敛达标即通过高分候选进入下一轮细化验收标准形态定性 定量描述纯量化评分矩阵探索性场景的典型 Prompt 结构请针对 [主题]从以下维度生成组合方案 变量A[选项列表] 变量B[选项列表] 变量C[选项列表] 对每组方案按以下维度跑分1-10分 1. [维度1]定义 评分标准 2. [维度2]定义 评分标准 3. [维度3]定义 评分标准 输出格式方案编号 | 组合描述 | 各维度得分 | 总分 | 一句话评语 最后给出 Top 3 推荐及理由。7.4 两种模式的组合使用实际工作中两种模式往往是串联的探索模式排列组合 跑分 ↓ 选出 Top 3 候选 执行模式对 Top 3 分别精细化描述 对齐度验收 ↓ 选出最终方案 真实场景投放测试终极跑分举例做一款新产品的 Landing Page 文案。探索让 AI 生成 20 组标题按点击欲预估“清晰度”品牌调性匹配三个维度跑分 → 选出 Top 5执行对 Top 5 分别写完整落地页每条带着详细的验收标准受众、语气、字数、CTA 等精修终极跑分A/B 测试真实点击率和转化率探索阶段用跑分收敛方向执行阶段用对齐度精修细节——两者共用同一套验收驱动的底层逻辑。7.5 跑分体系的设计原则原则说明反例正例维度可操作每个维度能说清什么情况给高分“好不好”“普通人3秒内能说出产品是干嘛的 8分以上”维度间独立不同维度不应高度相关吸引力和点击欲基本同义记忆度和差异化测量不同东西权重明确知道什么最重要所有维度等权“差异化权重×2因为当前市场同质化严重”可迭代跑完一轮后调整维度或权重固定不变发现可注册性太死板降权改为可注册性可买断性八、统一框架从执行到探索的连续光谱将前文所有内容整合AI 时代的人机协作可以统一在一个框架中┌─────────────────────────────────────────────────────────────┐ │ 需求清晰度X轴 │ │ 低 ◄──────────────────────────────────────────► 高 │ │ │ │ 探索模式 过渡区 执行模式 │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 排列组合 │ │ 粗描述 │ │ 精描述 │ │ │ │ 批量生成 │ ───► │ 跑分筛选 │ ───► │ 对齐验收 │ │ │ │ 跑分排序 │ │ 缩小范围 │ │ 精细交付 │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ 验收标准形态Y轴 │ │ 跑分矩阵 ◄──────────────────────────────────► 对齐度检查 │ │ │ │ ★ 核心引擎实验场地 × 验收标准 创造力 │ └─────────────────────────────────────────────────────────────┘九、“实验场地 验收标准”改变世界的机制9.1 为什么是现在人类历史上从未有过这样的时刻每个普通人都能以接近零的成本调用相当于数千人年的智力资源来进行实验。一个高中生可以用 AI 在周末跑完 50 个创业点子的市场分析一个独立研究者可以用 AI 在几小时内完成过去需要团队数月的文献综述 假设生成一个设计师可以用 AI 在一天内探索 200 个 logo 方向找到真正独特的那个实验场地的民主化已经发生了。但仅有场地不够——如果不知道什么是好跑再多实验也只是噪音。9.2 验收标准从个人能力到文明基础设施当能定义什么是好成为核心能力整个社会的运转方式都会改变领域传统模式AI 实验场地 验收标准科研假设→实验→论文周期以年计假设→AI批量生成实验设计→跑分筛选→人工验证周期以天计创业商业计划书→融资→试错烧钱排列组合100个商业模式→跑分→最小可行验证→再放大教育统一教材→考试每个学生自定义学习路径→AI实时生成内容→个性化验收标准艺术灵感→创作→碰运气灵感→AI批量生成变体→跑分筛选→精修→全新美学诞生社会治理政策→试点→推广慢、贵、风险高政策模拟→AI多场景跑分→最优方案→精准试点这不是效率提升这是范式转移。9.3 改变世界的最小单元本文提出一个操作性定义改变世界的最小单元 一个问题 × 一个实验场地 × 一套验收标准问题你看到了什么别人没看到的痛点或机会实验场地AI 提供的零成本试错空间验收标准你比别人更清楚什么算解决了三者齐备一个人可以在一个下午改变一个行业的某个微小但真实的角落。一万个这样的人就是一场静默的革命。9.4 创造未来的不是 AI是想象力 × 验收力最后我们需要澄清一个常见的误解AI 不创造未来。AI 是画布、是乐器、是反应堆。真正创造未来的是——那些知道要在画布上画什么、能判断演奏是否动人、能设计实验来验证想法的人。而这一切的起点就是本文反复强调的那个能力能说清楚你要什么以及你怎么判断拿到了。十、结论与展望AI 时代的能力迁移路径正在从**工具操作技能→描述性智能→审美判断力 结构化表达 评估设计能力逐级上移。其中描述性智能的核心实践就是将验收标准前置**在人机之间建立以需求描述和验收标准为两端的极简契约。本文的贡献在于将软件工程中的验收标准概念引入 AI 协作场景提出 PEAC 方法论首次系统提出跑分即验收的探索性工作流模型填补了目标不清晰时如何与 AI 协作的方法论空白构建了从执行到探索的连续光谱统一框架提出实验场地 × 验收标准 创造力的核心命题将 AI 协作从效率工具层面提升到文明变革层面未来的研究方向包括不同领域代码/设计/写作/产品/科研的验收标准模板库与跑分维度库建设多轮对话中验收标准的动态演化机制自动化评估工具AI-as-Judge与人工评估的校准研究探索性工作流中排列组合的策略优化——如何设计变量空间以最大化信息增益跑分体系与人类最终决策之间的偏差分析与修正方法实验场地 验收标准模式在不同社会层面的扩散路径与阻力研究教育系统中描述性智能课程的体系化设计最终一句话AI 不会替代人但会用 AI 的人会替代不会用的人。而会用的核心是能说清楚你要什么、你怎么判断拿到了。当十亿人同时拥有实验场地和验收标准时——未来不再是被预测的未来是被跑分跑出来的。参考文献Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.NeurIPS.White, J., et al. (2023). A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT.arXiv.Schwaber, K., Sutherland, J. (2020).The Scrum Guide. Scrum.org.Kahneman, D. (2011).Thinking, Fast and Slow. Farrar, Straus and Giroux.Christian, B. (2020).The Alignment Problem: Machine Learning and Human Values. W. W. Norton Company.Reynolds, L., McDonell, K. (2021). Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm.CHI Extended Abstracts.Liu, P., et al. (2023). Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing.ACM Computing Surveys.Brynjolfsson, E., McAfee, A. (2014).The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W. W. Norton Company.Kelly, K. (2010).What Technology Wants. Viking Adult.Rittel, H. W., Webber, M. M. (1973). Dilemmas in a General Theory of Planning.Policy Sciences, 4(2), 155-169. 需求即能力：AI 时代“描述性智能“与验收驱动工作流研究
摘要随着大语言模型与生成式 AI 的普及人机协作的瓶颈已从工具操作技能转向需求表达能力。本文提出AI 时代的核心竞争力不是会用什么工具而是能清晰描述最终效果并定义验收标准的描述性智能Descriptive Intelligence。文章从认知科学、软件工程与 Prompt Engineering 三个维度切入构建了需求描述—验收标准—评估体系的三元框架并提出事前验收标准嵌入法PEAC作为执行性场景的实践方法论。在此基础上本文进一步提出探索性工作流中的跑分即验收模型将排列组合式生成与多维度量化评分结合形成从模糊探索到精确执行的连续光谱。本文的核心命题是只要给 AI 实验场地加上验收标准就能改变世界、创造未来。当实验场地的门槛趋近于零、验收标准的能力成为通用素养每个人都将拥有将想象力转化为现实的原型工厂。研究表明无论是执行模式下的对齐度检查还是探索性场景下的跑分矩阵其本质都是将验收标准前置以评估驱动生成——最终 benchmark 永远是真实世界的反馈数据。关键词生成式 AI描述性智能验收标准跑分矩阵排列组合探索性工作流实验场地人机协作创造未来一、引言2022 年底 ChatGPT 发布以来AI 工具的门槛被极大拉平——任何人都可以在 30 秒内免费或低成本使用全球最先进的模型。然而一个显著现象是面对完全相同的工具不同用户的产出质量差异巨大。这种差异不能归因于技术能力——因为操作本身已经极致简化。真正造成差距的是用户能否将自己的意图精准地翻译为 AI 可理解的语言以及能否在结果交付时有效地判断好坏、定义标准。本文认为AI 时代正在催生一种新型能力——描述性智能其核心包含两个不可分割的环节1清晰描述期望效果2建立可操作的验收标准。二者共同构成了人机协作中的需求—验收闭环。但本文的野心不止于效率提升。我们要提出一个更大的命题只要给 AI 实验场地加上验收标准就能改变世界、创造未来。这不是修辞而是正在发生的现实。当实验场地的门槛趋近于零任何人、任何时间、任何地点都可以调用顶级算力当验收标准的能力成为通用素养知道什么算好、能设计评分体系每个人都将拥有把想象力转化为现实的微型原型工厂。从个人创作者到前沿科研从创业公司到社会变革——改变世界的不再是谁掌握了工具而是谁敢想、谁能验。二、理论框架2.1 描述性智能的定义与分层描述性智能是指将脑海中的目标状态转化为结构化、可传达的语言描述的能力。它包含两个递进层次层次内容典型表现第一层意图澄清知道自己到底要什么能说清目标受众、使用场景、期望效果第二层语言翻译将意图转化为 AI 可执行的指令使用具体、可量化的描述替代模糊形容词以高级感为例。第一层要求用户意识到自己心中的高级指向何种视觉或语言风格第二层则要求将其翻译为低饱和度、大量留白、衬线字体、参考 Aesop 品牌调性等可操作指令。缺少第一层用户自己都不清楚要什么缺少第二层AI 无法准确执行。2.2 验收标准需求描述的镜像软件工程中的 Acceptance Criteria验收标准是指交付物必须满足的条件才能被接受。在 AI 协作场景下验收标准与需求描述存在镜像关系评估的难点 需求描述的盲区当用户拿到 AI 输出后觉得差点意思却无法指出具体问题回溯原因几乎总是原始需求中缺失了关键约束条件——目标读者、情绪预期、参考样本、格式要求等。一旦将这些盲区补入需求验收标准便自动浮现。因此验收标准不应是事后评估工具而应内嵌于需求描述之中在人机之间建立一种极简契约关系你提需求验收标准AI 交活你按标准验收。2.3 实验场地 × 验收标准 创造引擎这是本文的核心理论模型。我们引入一个最简公式创造力 实验场地 × 验收标准实验场地SandboxAI 提供的零边际成本试错空间。在这里你可以跑 100 个方案而不消耗真实世界的资源。场地越大模型越强、上下文越长、工具越多探索空间越广。验收标准Benchmark判断什么算好的能力。没有标准实验只是随机游走有了标准实验才是有方向的搜索。两者缺一不可。只有实验场地没有验收标准 → 无限试错但无法收敛最终迷失在可能性海洋中。只有验收标准没有实验场地 → 标准再精确也只能停留在纸面上无法快速验证和迭代。只有两者结合才能将想法压缩为现实——这就是改变世界的机制。历史上每一次生产力跃迁本质上都是实验场地 验收标准的民主化印刷术 → 知识实验场地扩大同行评议成为验收标准 → 科学革命蒸汽机 → 工程实验场地扩大效率/成本成为验收标准 → 工业革命个人电脑 → 软件实验场地扩大用户体验成为验收标准 → 信息革命AI → 认知与创造实验场地无限扩大描述性智能跑分成为验收标准 → 我们正在站在问号的位置上。三、AI 输出的评估体系基于前文分析本文构建一个三层评估模型第一层对齐度Alignment最核心指标。衡量输出与需求描述的匹配程度。如果需求明确指定了给投资人看的 PPT克制、数据驱动、不要花哨动画而输出满屏转场特效则对齐度为零——无论内容质量如何。第二层客观指标Objective Metrics可量化验证的硬性条件字数/篇幅是否达标格式是否符合要求表格、代码块、层级结构事实准确性数据是否编造、引用是否正确完整性要求的要点是否全部覆盖第三层主观质量Subjective Quality需要人类判断力介入的维度逻辑自洽性风格/调性与预期的一致性信息密度与洞察深度是否正确地说废话创意与原创性这三层构成了一个由硬到软、由机器可验到人类专属的梯度。越往上层越体现人类的不可替代性。四、方法论事前验收标准嵌入法PEAC基于上述框架本文提出一种执行性场景下的实践方法论——事前验收标准嵌入法Pre-embedded Acceptance Criteria, PEAC。4.1 核心原则最好的验收标准是在提需求之前就想好的。4.2 操作步骤Step 1定义交付场景与受众“这是给谁看的在什么场景下使用希望对方产生什么反应”Step 2列出 3-5 条具体验收标准每条标准应具备可验证性Verifiable——即拿到结果后能明确判断通过/不通过。❌ 模糊标准“要写得好”✅ 可验证标准“能让完全没听过这个产品的人在30秒内明白它是干嘛的”Step 3将验收标准嵌入 Prompt我要 [交付物]。验收标准 1. [具体标准A] 2. [具体标准B] 3. [具体标准C] 写完后请对照以上标准自检未达标项请修改。Step 4执行与验收拿到结果后逐条对照验收标准打勾。未通过项直接反馈给 AI 进行定向修改而非笼统要求再改改。4.3 预期效果维度传统方式PEAC 方式首次输出质量平均水平需多轮修改对齐度显著提升返工次数3-5 轮常见1-2 轮以内评估成本每次重新判断好不好逐条打勾客观高效人机摩擦高“不是这个感觉”低标准明确指向清晰五、辅助评估技术除 PEAC 方法外以下技术可作为评估体系的补充5.1 A/B 对比测试同一需求用不同描述方式或不同模型生成多个版本通过对比凸显差异。人类对绝对值的判断力有限但对相对差异极为敏感。5.2 AI-as-Judge将输出交还给 AI赋予其特定角色如资深编辑“技术总监”要求从专业角度进行 critique。相当于引入免费同行评审。5.3 真实场景投放最终 benchmark 永远是真实世界反馈文案看点击率、代码看运行结果、设计看用户反应。实验室评估不能替代实战验证。六、案例分析案例产品介绍文案传统 PromptPEAC Prompt需求“帮我写个产品介绍”“帮我写一段产品介绍文案。验收标准1让完全没听过的人30秒内明白用途2读起来像朋友推荐而非广告3不超过150字。写完后自检。”首次输出通用模板化文案需要大幅修改基本满足三条标准微调即可交付返工轮次4 轮1 轮总耗时~15 分钟~5 分钟七、探索性工作流与跑分即验收7.1 排列组合式探索当目标本身不清晰时前文讨论的框架隐含前提是用户知道想要什么——只是需要把它描述清楚。但现实中大量高价值场景恰恰相反用户自己也不知道最终效果长什么样需要通过 AI 快速试错来发现。这就是探索性工作流。典型场景包括品牌命名试 100 个方向看哪个感觉对产品定位排列组合不同受众 × 不同卖点 × 不同语调找最优匹配视觉风格探索同一主题用不同风格跑 10 版对比筛选代码架构方案让 AI 给出 5 种实现路径从性能、可读性、可维护性多维度打分这类场景的核心特征输入是变量组合输出是候选集验收是跑分排序。7.2 跑分作为探索的验收标准在执行性场景中验收标准是对齐度——结果和描述贴不贴。在探索性场景中验收标准变成了一组量化评分维度跑分体系探索变量产品名风格 × 目标受众 × 情感调性 跑分维度 - 记忆度1-10普通人听一遍能记住吗 - 差异化1-10和竞品名字撞不撞 - 可注册性1-10域名/商标拿得到吗 - 延展性1-10能发展成品牌故事吗每一轮排列组合跑完AI 按这套维度给每个候选方案打分排序。跑分本身就是验收——不需要预先定义最终效果而是用评分体系来收敛可能性空间。7.3 排列组合 × 跑分 的操作框架步骤执行性场景探索性场景起点清晰的最终效果描述一组待探索的变量维度过程单次或少量迭代批量生成 排列组合评估对齐度检查多维度跑分排序收敛达标即通过高分候选进入下一轮细化验收标准形态定性 定量描述纯量化评分矩阵探索性场景的典型 Prompt 结构请针对 [主题]从以下维度生成组合方案 变量A[选项列表] 变量B[选项列表] 变量C[选项列表] 对每组方案按以下维度跑分1-10分 1. [维度1]定义 评分标准 2. [维度2]定义 评分标准 3. [维度3]定义 评分标准 输出格式方案编号 | 组合描述 | 各维度得分 | 总分 | 一句话评语 最后给出 Top 3 推荐及理由。7.4 两种模式的组合使用实际工作中两种模式往往是串联的探索模式排列组合 跑分 ↓ 选出 Top 3 候选 执行模式对 Top 3 分别精细化描述 对齐度验收 ↓ 选出最终方案 真实场景投放测试终极跑分举例做一款新产品的 Landing Page 文案。探索让 AI 生成 20 组标题按点击欲预估“清晰度”品牌调性匹配三个维度跑分 → 选出 Top 5执行对 Top 5 分别写完整落地页每条带着详细的验收标准受众、语气、字数、CTA 等精修终极跑分A/B 测试真实点击率和转化率探索阶段用跑分收敛方向执行阶段用对齐度精修细节——两者共用同一套验收驱动的底层逻辑。7.5 跑分体系的设计原则原则说明反例正例维度可操作每个维度能说清什么情况给高分“好不好”“普通人3秒内能说出产品是干嘛的 8分以上”维度间独立不同维度不应高度相关吸引力和点击欲基本同义记忆度和差异化测量不同东西权重明确知道什么最重要所有维度等权“差异化权重×2因为当前市场同质化严重”可迭代跑完一轮后调整维度或权重固定不变发现可注册性太死板降权改为可注册性可买断性八、统一框架从执行到探索的连续光谱将前文所有内容整合AI 时代的人机协作可以统一在一个框架中┌─────────────────────────────────────────────────────────────┐ │ 需求清晰度X轴 │ │ 低 ◄──────────────────────────────────────────► 高 │ │ │ │ 探索模式 过渡区 执行模式 │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 排列组合 │ │ 粗描述 │ │ 精描述 │ │ │ │ 批量生成 │ ───► │ 跑分筛选 │ ───► │ 对齐验收 │ │ │ │ 跑分排序 │ │ 缩小范围 │ │ 精细交付 │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ 验收标准形态Y轴 │ │ 跑分矩阵 ◄──────────────────────────────────► 对齐度检查 │ │ │ │ ★ 核心引擎实验场地 × 验收标准 创造力 │ └─────────────────────────────────────────────────────────────┘九、“实验场地 验收标准”改变世界的机制9.1 为什么是现在人类历史上从未有过这样的时刻每个普通人都能以接近零的成本调用相当于数千人年的智力资源来进行实验。一个高中生可以用 AI 在周末跑完 50 个创业点子的市场分析一个独立研究者可以用 AI 在几小时内完成过去需要团队数月的文献综述 假设生成一个设计师可以用 AI 在一天内探索 200 个 logo 方向找到真正独特的那个实验场地的民主化已经发生了。但仅有场地不够——如果不知道什么是好跑再多实验也只是噪音。9.2 验收标准从个人能力到文明基础设施当能定义什么是好成为核心能力整个社会的运转方式都会改变领域传统模式AI 实验场地 验收标准科研假设→实验→论文周期以年计假设→AI批量生成实验设计→跑分筛选→人工验证周期以天计创业商业计划书→融资→试错烧钱排列组合100个商业模式→跑分→最小可行验证→再放大教育统一教材→考试每个学生自定义学习路径→AI实时生成内容→个性化验收标准艺术灵感→创作→碰运气灵感→AI批量生成变体→跑分筛选→精修→全新美学诞生社会治理政策→试点→推广慢、贵、风险高政策模拟→AI多场景跑分→最优方案→精准试点这不是效率提升这是范式转移。9.3 改变世界的最小单元本文提出一个操作性定义改变世界的最小单元 一个问题 × 一个实验场地 × 一套验收标准问题你看到了什么别人没看到的痛点或机会实验场地AI 提供的零成本试错空间验收标准你比别人更清楚什么算解决了三者齐备一个人可以在一个下午改变一个行业的某个微小但真实的角落。一万个这样的人就是一场静默的革命。9.4 创造未来的不是 AI是想象力 × 验收力最后我们需要澄清一个常见的误解AI 不创造未来。AI 是画布、是乐器、是反应堆。真正创造未来的是——那些知道要在画布上画什么、能判断演奏是否动人、能设计实验来验证想法的人。而这一切的起点就是本文反复强调的那个能力能说清楚你要什么以及你怎么判断拿到了。十、结论与展望AI 时代的能力迁移路径正在从**工具操作技能→描述性智能→审美判断力 结构化表达 评估设计能力逐级上移。其中描述性智能的核心实践就是将验收标准前置**在人机之间建立以需求描述和验收标准为两端的极简契约。本文的贡献在于将软件工程中的验收标准概念引入 AI 协作场景提出 PEAC 方法论首次系统提出跑分即验收的探索性工作流模型填补了目标不清晰时如何与 AI 协作的方法论空白构建了从执行到探索的连续光谱统一框架提出实验场地 × 验收标准 创造力的核心命题将 AI 协作从效率工具层面提升到文明变革层面未来的研究方向包括不同领域代码/设计/写作/产品/科研的验收标准模板库与跑分维度库建设多轮对话中验收标准的动态演化机制自动化评估工具AI-as-Judge与人工评估的校准研究探索性工作流中排列组合的策略优化——如何设计变量空间以最大化信息增益跑分体系与人类最终决策之间的偏差分析与修正方法实验场地 验收标准模式在不同社会层面的扩散路径与阻力研究教育系统中描述性智能课程的体系化设计最终一句话AI 不会替代人但会用 AI 的人会替代不会用的人。而会用的核心是能说清楚你要什么、你怎么判断拿到了。当十亿人同时拥有实验场地和验收标准时——未来不再是被预测的未来是被跑分跑出来的。参考文献Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.NeurIPS.White, J., et al. (2023). A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT.arXiv.Schwaber, K., Sutherland, J. (2020).The Scrum Guide. Scrum.org.Kahneman, D. (2011).Thinking, Fast and Slow. Farrar, Straus and Giroux.Christian, B. (2020).The Alignment Problem: Machine Learning and Human Values. W. W. Norton Company.Reynolds, L., McDonell, K. (2021). Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm.CHI Extended Abstracts.Liu, P., et al. (2023). Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing.ACM Computing Surveys.Brynjolfsson, E., McAfee, A. (2014).The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W. W. Norton Company.Kelly, K. (2010).What Technology Wants. Viking Adult.Rittel, H. W., Webber, M. M. (1973). Dilemmas in a General Theory of Planning.Policy Sciences, 4(2), 155-169.