就在昨天，你输入了 /format 指令，检查了输出，接着输入 /refactor，再次检查，最后输入 /test。任务结束时，你感到很有成就感，觉得 AI 完成了工作，而你只是负责监督。但实际上，这并不是授权（Delegation），而是倒班作业（Shift Work）。
我们需要从结构化模式的角度来审视这一现象。本文描述的“指令时代”和“束缚时代”并非精确的历史阶段，而是团队和工具中不断出现的失败模式。这更像是一段结构演化史，而非具体的产品时间线。
第一章：指令时代——AI 做的更多，我们也做得更多
当 AI 技能（Skills）成为一种通用约定，比如通过 /summarize、/diagram、/translate 等指令来调用，这看起来像是一场突破。随后便引发了所谓的“格式战争”：技能文件应该如何构造？哪些标题是 AI 真正读取的？哪种语法能在上下文压缩中存活？当确定性工具最终解决了这些格式争论时，大家以为问题解决了。
然而，没有人问出那个核心问题：“指令模式”本身是对的吗？这种文化让我们可以用 / 前缀调动成千上万个技能。但问题在于，仍然需要有人决定运行哪些命令、以什么顺序运行、以及何时停止。那个人就是你。随着 AI 能力边界的扩大，你的编排（Orchestration）负担也在同步增加。每一个新指令都成了你必须记住、排序和监督的新负担。你得到的不是杠杆，而是一个更长的清单。
这就是典型的微管理（Micromanagement）。将工作分解为原子单元，单独发布每个单元，在脑海中保留序列，并在继续下一步之前验证每一步。事实证明，即便执行者是 AI，这种结构性劳作的本质并没有改变。
第二章：束缚时代——试图控制无法信任的对象
接下来的浪潮带来了一种不同的本能：如果我们无法逐步控制 AI 的所作所为，我们就通过“护栏”和确定性控制层（Deterministic control layers）来包裹这类概率系统。逻辑看起来很合理：AI 的行为是不可预测的，所以要建立围栏，定义什么是允许的，拦截什么是禁止的。
但在实践中，AI 系统并不像静态规则评估器那样运作。它们一直在寻找通往请求结果的各种可能路径。在这种概率系统面前，带有漏洞的围栏往往适得其反。
