温室與透鏡：智能體 AI 的兩種工作模式

温室和透鏡都靠陽光運轉，但作用截然相反。温室把環境中的熱量積聚起來，讓裏面的萬物——花朵、香草、雜草——都長得比外面快一些；透鏡則把同一束光聚焦到一個點上，直到那個點被點燃。前者是擴散而略帶混亂的集體生長，後者是有意設計的離散事件：瞄準、對焦、穩住、點火。

作者最初以為這兩種模式正好對應軟件工程師的成長階段：初級工程師處於温室中，不加分辨地讓雜草和花朵一起生長；高級工程師則用透鏡一次對準一個清晰的點。但他把這個比喻用到自己身上後，發現並不成立。兩種模式沒有高下之分，它們是適用於不同任務的工具；人們在使用智能體 AI 時的大量挫敗感，恰恰來自在需要另一種模式的時候運行了當前這種模式。

温室模式適合你還不知道自己想要什麼的階段。作者的 AxiDraw 繪圖儀實驗就是典型的温室：他讓 Claude Code 生成了幾十個繪圖工具，大部分結果平庸，少數令人驚喜，但幾乎沒有一個是事先規劃的；他只是玩，然後事後評估。另一個例子是一個把 Markdown 轉換成 Word 文檔的 macOS/SwiftUI 小應用，同樣沒有需求文檔、設計或計劃，只是請 Claude 給唯一一個用户做一個可能只用一週的工具。讓這一切成為可能的，是嘗試成本已近乎降為零：先做個工具或玩具，看它是否有用或有趣，再決定下一步。

透鏡模式則相反。你清楚地知道“完成”是什麼樣子，然後把所有精力集中到通往那個結果的路徑上。智能體提出十件事，你要丟掉九件，因為它們不在“從這裏到完成”的直線上。人們談論智能體 AI 的驚人力量時，通常指的就是這種模式。但它其實是一種對已知目標的槓桿：無論是透鏡還是世界上最強大的生成式 AI 模型，若不知道對準哪裏，都可能毫無用處。選擇目標並保持聚焦，是你的工作。

作者進一步指出，真正高級的技能是判斷面前的工作需要哪種模式，意識到自己當前處於哪種模式，並在發生漂移時把自己拉回正確的模式。例如，他坐下想交付一個具體功能，這顯然是透鏡工作，但四十分鐘後 Claude Code 卻在搭建一個他從未要求的後台面板，而他欣然默許，因為看着東西生長讓人感覺像在進步；反過來，他打算探索，卻容易把某個半成品想法打磨到生產級質量，因為完成讓人安心，漫遊令人不安。兩種漂移的根源相同：忘記了自己身處哪種模式。

文章最後回到作者此前提出的觀點：領域專長始終是真正的護城河。在智能體時代，稀缺資產是對領域經過驗證的心智模型，它像神諭一樣能分辨正確答案與貌似合理的錯誤答案。在温室中，神諭從上千株萌芽裏挑出值得留下的三株；面對透鏡，它拒絕那些看似合理卻會把你拉離目標路線的輸出；也正是神諭能察覺漂移，因為你只有在腦中始終保有目標時，才能感到自己正在偏離。因此，在進入工作流時不妨做個直覺檢查：温室還是透鏡？兩種都是合理且高效的方法，關鍵在於培養出判斷何時用哪一種的能力。