Human-to-Human，AI-to-AI，贾扬清的内部沟通规则或许太简单理想化了
贾扬清发了一条帖子，17K+ Views，说他在公司内部设了一条沟通规则：
Just set an internal comms rule: no AI-generated content for collaboration.
- If you used AI, don’t send the output. Send your prompt, or better, your raw thinking.
- Assume your reader will paste it into ChatGPT. Write so they won’t need to.
- Separate channels: human-to-human = your thoughts; AI-to-AI = attach outputs like audit working papers.
Human to human, AI to AI. Works well so far.
图1：贾扬清发帖提出内部沟通规则，主张将人与AI的沟通通道分离。
这条帖子的核心主张很清晰：人对人沟通时，不要发 AI 的输出，发你的 prompt 或者原始思考。把 AI 输出当作审计工作底稿一样的附件处理。
我理解贾扬清的担心。但我不同意这个做法。
你的"raw thinking"里已经有 AI 了
贾扬清说"send your raw thinking"。问题是：2026年，什么是"raw thinking"？
试想一下这个场景：你在写一份技术方案。你先用 AI 搜索了背景资料，读了 AI 给你整理的摘要，然后在 AI 辅助下列了一个大纲，接着自己写了初稿，又让 AI 帮你润色了表达，最后你自己过了一遍做了修改。
最终产物是你的思想吗？是 AI 的输出吗？
两者都是，也两者都不完全是。
图2：人的思想与 AI 的输出早已不是两条平行线，它们在反复交织中形成了一个无法拆分的整体。
这不是一个假设性的场景，这就是很多人现在每天的工作状态。你的思考过程中已经融合了 AI 的结果、AI 提供的视角、AI 帮你整理的信息。让你把"纯人类思考"和"AI 辅助部分"分开，就像让你把一杯加了牛奶的咖啡重新分成咖啡和牛奶一样，已经做不到了。
Prompt 不等于过程
贾扬清的第二个主张是：“send your prompt”。意思是，如果你用了 AI，别发结果，发 prompt 就好。
这个想法在简单任务上是成立的。比如你问 ChatGPT “帮我把这段英文翻译成中文”，这时 prompt 就是全部信息，发 prompt 完全够用。
但稍微复杂一点的任务呢？
比如我写一篇技术文章。我的工作流是这样的：
- 我有一套定制的 skills（你可以理解为预设的系统指令和工具链），包含我的写作风格、专业领域知识、排版规范等
- 我给 AI 一个初始指令，AI 生成初稿
- 我读完觉得某一段不对，告诉 AI 修改方向
- AI 修改后我再调整，可能改掉一些措辞、删掉一些段落、补充一些自己的经历
- 来回迭代3到5轮，最终定稿
你说这个过程中，我应该发哪个"prompt"？
图3：真实的人机协作不是"一个 prompt → 一个结果"的线性关系，而是多轮迭代、持续修正的螺旋上升过程。
- 第一轮的 prompt 只包含主题方向
- Skills 里有上千行的上下文定义，这些不是"prompt"，但它们深刻影响了输出
- 中间的修改指令依赖于前一轮的输出，脱离上下文毫无意义
- 最终产物里有大量我手动修改的内容，这些改动没有对应的 prompt
所以"发你的 prompt"这个建议，只适用于一种情况：你和 AI 的交互是一次性的、无上下文的、无定制化的。
2026年了，这种情况越来越少了。
两个人用同一个 prompt，结果完全不同
这引出了一个更根本的问题：prompt 不是创作的全部，甚至不是最重要的部分。
就拿写文章来说。如果你给两个不同的人完全相同的 prompt，比如"写一篇关于 AI 安全的博客文章"，你会得到完全不同的结果。为什么？
因为不同的人有：
- 不同的 skills 配置（系统指令、领域知识、写作风格偏好）
- 不同的迭代过程（一个人可能改了两轮就满意，另一个人可能改了十轮）
- 不同的人工干预（每个人会在不同的地方做不同的修改）
- 不同的判断标准（什么算"好"，每个人的标准不一样）
图4：同样的 prompt 输入，经过不同人的 skills、迭代和判断，会走向完全不同的产出路径。
Prompt 充其量是一个起点。真正决定产出质量的，是人在整个过程中的判断、审美、领域知识和迭代能力。
把这些东西压缩成一个 prompt 发出去，不仅做不到，做到了也没意义。
“禁止 AI 输出"解决的是错误的问题
贾扬清的规则试图解决什么问题？大概率是这个：团队内部沟通中，有人直接把 ChatGPT 的输出复制粘贴过来，没有经过任何思考和加工，浪费了其他人的时间。
这个问题是真实的。但"禁止 AI 输出"不是正确的解法。
正确的问法应该是：这份内容里有没有你自己的思考和判断？你是否对这个最终的输出和结论负责？
在日常协作中，我从来不会去问协作者：“你这篇文档、这段代码是 AI 生成的吗？”我只会问一个问题：“这个结论你确认吗？” 只要你确认并为你提交的东西负责，你用什么工具生成的，根本不重要。
一份完全没有人工思考的 AI 输出确实是垃圾。但一份经过深度迭代、融入了领域专业知识、经过人工审校修改的内容，不应该因为"它用了 AI"就被降级为附件。
图5：内容的价值不取决于它是"人写的"还是"AI写的”，而取决于其中思考、判断和专业知识的密度。
这就好比说：你不能因为一个厨师用了搅拌机，就说他做的菜不算手工菜。工具不定义产出，使用工具的人定义产出。
关于读书和获取信息
讨论到 AI 与人的关系，还有一个话题经常出现：AI 会不会让人失去阅读的乐趣和思考的能力？
我的看法是：当你产生"想让 AI 去做"的念头时，你就去让它做。
比如读书。我们经常用 AI 提取文章或书籍的核心内容，快速了解一本书在讲什么。有人觉得这样做会失去阅读的乐趣。
但想一想：你用 AI 提取了主要内容之后，如果你对这本书产生了兴趣，你完全可以自己再去读一遍。AI 的提取不是替代阅读，而是帮你做了一层筛选。在信息爆炸的时代，你不可能把每本书都从头读到尾。AI 帮你快速判断"这本书值不值得我花时间仔细读"，这本身就是一种有价值的辅助。
有了 AI，不意味着人的参与就消失了。你想读，那就去读。
关于写作和润色
类似的，在写作领域，很多时候人写的初稿确实没有 AI 润色后的版本好。这不丢人。AI 在语言表达的流畅性、逻辑结构的完整性上，确实有优势。
但这不意味着让 AI 全权代写。
我自己的工作流从来不是"让 AI 直接写"。它更像是一场对话：我提供核心观点和方向，AI 帮我展开和组织，我再审核、修改、补充自己的经历和判断，来来回回好几轮，最终定稿。
如果一个创作者觉得 AI 写作让自己失去了乐趣，那完全可以自己重新写一遍，或者在 AI 的基础上做深度改写。重点是，不要因为 AI 存在就拒绝使用更好的工具。
图6：写作不是"人写 vs. AI写"的二选一，而是人与 AI 之间多轮对话、相互打磨的协作过程。
总不能因为你自己写的结果没有 AI 辅助的版本好，就排斥使用这些已有的更好工具。当你明明发现通过 AI 可以做得更好时，却抱着偏见去排斥它，这不是坚守原则，这是自我设限。
我们还没找到正确的框架
贾扬清的帖子引发了很多讨论，背后反映的是一个更大的问题：我们还没有找到人与 AI 协作的正确框架。
现在的讨论很多都是极端化的：要么完全拥抱 AI，什么都让 AI 做；要么排斥 AI，觉得 AI 的东西都不靠谱。
实际的答案大概在中间某个位置，而且这个位置还在不断移动。
2024年的时候，AI 主要用来做翻译和文本摘要，人机边界还比较清晰。2026年的今天，AI 已经深入到思考过程本身，“这是人的想法还是 AI 的想法"这个问题越来越难回答。再过两年，这个边界可能会模糊到完全消失。
在这个过渡期里，试图画一条清晰的线说"这边是人，那边是 AI”，可能不是最好的策略。
图7：人与 AI 之间的边界不是一条清晰的线，而是一个不断扩展的灰色地带。与其纠结划线，不如学会在灰色地带里高效工作。
更务实的做法可能是：关注产出的质量和思考的深度，而不是关注产出的工具。
一份经过深度思考的内容，不管它的生产过程中用了多少 AI，它就是有价值的。一份没有任何思考的复制粘贴，不管是人写的还是 AI 写的，它就是没价值的。
写在最后
我理解贾扬清的初衷。在一个团队里，确实需要某种规则来保证沟通的质量。如果有人天天把 ChatGPT 的输出原封不动复制粘贴给同事，那确实是个问题。
但解决这个问题的方法不是"禁止 AI 输出"，而是要求每一份沟通都包含你自己的思考和判断。至于你在形成这些思考的过程中是否用了 AI，这不重要。
就像你用了计算器做了一道数学题，你不需要把计算器的按键序列告诉别人。你需要告诉别人的是：你为什么选择用这个公式，你的判断逻辑是什么，你对结果的解读是什么。
工具是手段，思考才是本质。
在2026年这个时间点，人和 AI 之间的关系正在经历一次深刻的重新定义。没有人有最终答案。但我比较确定的一点是：试图把人和 AI 的贡献干净地分开，这条路大概率走不通。因为它们已经融合了。
而融合本身，并不是一件坏事。
声明：本文所有观点均为个人思考，与本人所供职的任何公司或实体无关。