--- layout: post.njk source: https://yage.ai/share/innovation-legwork-ai-skill-20260711.html speaker: yage.ai title: 创新是体力活：一场把"出点子"交给 AI 的对照实验 date: '2026-07-11' summary: 文章探讨了创新本质是体力活，可以被程序化和外包给 AI。通过对比“有操作手册”和“无操作手册”两种条件下的实验结果，作者论证了创新方法论的核心在于纪律和工序的完备性（SOP），而非灵感。最终结论指出，AI 擅长执行体力活，而人类的角色则聚焦于选题、口味判断和最终拍板。 area: tech-engineering category: ai-application tags: - innovation-methodology - somatic-labor - agentic-workflow - prompt-engineering people: [] companies_orgs: [] products_models: [] media_books: [] draft: true status: evergreen --- 1999 年，以色列的一组市场营销研究者做了一件在当时看起来离经叛道的事：他们把一种创意方法写成计算机程序，让程序生成广告创意，再请职业评审做盲评。评审不知道哪些创意来自程序。结果是，程序生成的创意得分和职业广告人持平，压过了未受训练的普通人。 这个实验比大语言模型早了二十多年。它指向一个和直觉相反的判断：创意生成的核心环节可以按程序走，而程序不挑执行者。当年缺的只是一台足够通用的执行机器。现在这台机器有了。所以我们做了一个实验：把创新方法整理成 AI 能执行的操作手册，让同一个模型分别在”有手册”和”没手册”两种条件下回答同一个问题，对比产出。手册和完整实验记录开源在 GitHub 上。这个题目起于和翻盖鲨鱼的一次讨论，先在这里致谢。这篇文章讲三件事：为什么创新是有程序的体力活，为什么裸的 AI 干不好这个体力活，以及对照实验里看到了什么。 ## 灵感神话在数据面前站不住 我们对创新的默认想象是灵光一现：牛顿的苹果，阿基米德的浴缸。但认真翻学术记录，会发现两个反复出现的结论。 第一个结论：头脑风暴没用。这不是俏皮话，是创造力研究里复制次数最多的发现之一。1987 年 Diehl 和 Stroebe 的经典实验，以及 1991 年一项覆盖 38 个实验的元分析给出了一致的方向：让同样多的人各自独立想点子再汇总（研究者称之为名义小组），产出比围坐一起头脑风暴多出约 83%。围坐的坏处有明确机制：轮流发言堵塞思路，怕人评价让人自我审查，还有人搭便车。《Think Bigger》的作者、哥伦比亚商学院的 Sheena Iyengar 给这套证据下的判词干脆利落：“证据毫不含糊，头脑风暴不管用。” 第二个结论：成功的创新在事后看几乎都是旧零件的新组合。经济学家熊彼特在 1912 年就把创新定义为”生产要素的新组合”；数学家庞加莱说发明就是辨别和选择；Iyengar 把它压缩成一句定义：创新是旧想法的一次新颖、有用的组合，用来解决一个具体问题。自由女神像可以拆出五个来源，Google 的核心是三个借来的零件：爬虫、图书馆的引文排名、别家发明的侧栏广告。 这两个结论拼在一起，创新的形象就变了：它没那么像写诗，更像装配。这个转变我们并不陌生，去年在《一千次失败之后，它选中了你看到的那一个》里，我们把 AI 时代的创意描述为从写诗到建温室：不再依赖灵感，而是搭一个能持续生成、验证、筛选变体的系统。这篇文章讲的是同一个判断在方法论层面的版本。装配就有工序，学术界确实把工序写出来了，还写得相当细。 以色列学派的 SIT（系统性创新思维）给出五个固定模板：拿到一个现有产品，先拆成组件和属性，再按固定的算子序列做结构变换，比如去掉一个核心组件但保留它的功能，让环境里现成的东西顶上（车载收音机去掉天线，除霜器的金属网接管信号）。变换完了再问”这个新形态对谁有用”。顺序是硬性的：先变形，后找用途。对照实验显示这个顺序本身就有效果，三组任务里先形后用的创意评分都显著更高。而文章开头那个 1999 年的程序，跑的正是五个模板里的一个。 Iyengar 的 Think Bigger 则从问题端出发，六个步骤配着硬性数字：把问题拆成最多 5 个子问题；给每个子问题找 5 个已被验证的解法零件，其中至少 3 个来自行业之外；组合的时候除了刻意搭配，还必须做至少 5 轮随机抽取；什么时候停手也有规则，新找到的东西开始重复了就停。每个零件必须挂一个真实存在过的先例，说不出先例的只能算观点，不许上桌。 注意这些规则的质感：数量下限、固定顺序、停止条件、准入门槛。这是操作规程的质感，是 SOP。创新方法论的两大流派殊途同归地告诉你：出点子这件事的大部分环节，靠的是纪律而非天分。它是体力活。 创新的两种想象：左边是等待灵感降临的诗人，右边是把已有零件按工序组装成新产品的装配线 ## 体力活可以外包，但要带上操作手册 一旦承认创新的主体是体力活，下一步推论就自然了：体力活可以交给 AI。拆解产品结构、跨行业检索先例、按模板做变换、批量组合再筛选，这些恰好都是大模型加上搜索工具的舒适区。跨域检索甚至是人类执行这套方法时最痛苦的一步：Think Bigger 要求你为每个子问题滚雪球式地访谈近三十个人，而模型几分钟就能扫完几个行业的公开先例。方法论的作者们自己也走到了这一步，哥伦比亚商学院的高管课程已经配上了官方的 AI 版工具。 但直接把问题丢给 AI，得到的通常不是这个。它会顺着”帮我创新”的措辞给出流畅、合理、似曾相识的东西，多半是一份漂亮的趋势综述。下一节的实验里正好有一份实物。 写到这里得处理一个显而易见的疑问：我们说的手册，说到底也是一段文字，最终同样塞进模型的上下文。那它和在聊天框里打一句”请用 SIT 和 Think Bigger 帮我分析”，有什么本质区别？区别不在通道，在方法论以什么形态在场。只报方法名字时，模型调用的是参数记忆里那个平均化的版本：它大概记得 SIT 有五个模板，但想不起”每个子问题五个零件、至少三个来自域外”这样的配额，更不会自己发明”即使已经有了满意答案，也必须再做五轮随机组合”这种反直觉的强制动作。而承重的恰恰是这些细节。手册做的事有两件：把规程全文放进上下文，让模型照着全文而非印象执行；把每条规则写成可自查的验收标准，数量下限、准入门槛、停止条件、风险标签，让走样变得看得见。所以坦白说，这份 skill 就是一份写得足够完备的 prompt。这不算漏洞，恰恰是论点本身：差距不来自魔法，来自规程在场的完备程度。 还有一部分规则，光把文字放进上下文也执行不了，需要执行环境配合。“每个零件必须挂具名先例”要靠真实的网络搜索核实，防的是模型现编一个像模像样的先例；“随机组合轮”要靠程序随机数，因为让模型在心里随机选，它会挑自己顺眼的。执行这次实验的 agent 对第二条深有体会：它主动改用了带种子的随机数生成器，还建议把这一条写进手册的硬性要求。现在它是了。这些是聊天框给不了的部分：工具、时长，和一个不会顺着你临场反应走偏的预先承诺。 成品是一份纯 Markdown 的 skill：一个路由层判断该走哪套方法（改进现有产品走 SIT，开放问题走 Think Bigger，范式级问题两个都不该用，直接说”这工具不适用”），两条方法管线承载规程和校验器，外加十条判断公理解释每条规则为什么存在，防止未来的执行者自作聪明地把承重结构”优化”掉。 ## 同一个模型，跑两遍 检验的方式是对照实验。问题用一个真实的：现在的 AI 界面还有哪些创新的可能。输入材料是我们几天前发的一篇文章《聊天框的幻觉》，它论证聊天框是给 AI Agent 做错的界面，应该换成邮件式的异步交互。两个 agent 用同一个模型（Claude Opus）、同样的工具权限（都能上网搜索）、同样的输入材料，唯一的区别是一个加载了这份 skill，一个没有。两份报告和第三方评估都在 实验目录 里，可以自己读。 先说基线组，它比我们预想的强。没有 skill 的 Opus 交出了一份质量相当高的行业综述：四个正在竞争的界面范式、每个赛道的代表产品、清醒的反方观点，甚至对输入文章提出了三条中肯的批评。如果你想了解这个赛道，这份报告比多数付费研报好读。 但看它给出的”创新方向”，形状就出来了：做 Agent 收件箱、做生成式 UI、做 Agent 邮箱基础设施。每一条都是”加入某个已经启动的趋势”。方向没错，可这回答的是”该往哪押注”，没有回答”还有什么别人没做的”。有意思的是，按照 skill 里编码的实证研究，这类跟随趋势的点子恰恰是历史记录里失败率最高的一类。 带 skill 的那份报告是另一种产物。它把问题拆成五个子问题，为每个子问题各找了五个带具名先例的解法零件，二十五个零件里十五个来自 AI 行业之外：军队的任务式指挥、财务审计的抽样标准、医院的中央遥测监护站、丰田的安灯拉绳、餐厅后厨的出菜口。最后胜出的点子叫”信任梯子”：每个 Agent 在每类任务上持有一个信誉分，分数从人工验收的真实记录里累积（零件来自 eBay 的评价体系），信誉分映射到明确的自主权等级（零件来自自动驾驶的 SAE 分级），等级反过来决定审查深度，分数高的抽查、分数低的逐行看（零件来自银行风控的阈值分流）。这个组合是被规则逼出来的：承重的那条连线出现在强制的随机组合轮里，刻意搭配的轮次里它从未出现。 两份报告有一处趋同，这处趋同本身有信息量：两个 agent 独立发现文章押注的邮件赛道已经拥挤，也独立指向了同一个空白，也就是”信任”至今没有被做成界面元素。所有工具都在展示 Agent 的状态，没有工具展示”你该信它到什么程度”。一条结论被两条独立路径命中，它是真空白的概率就大了不少。 对照实验的两条路径：同一个模型，左边自由发挥产出趋势综述，右边按 skill 的工序产出带推导链的候选点子 差异还体现在诚实度的形态上。带 skill 的报告给自己的六个点子打了保守分，把其中两个明确标为高风险，理由直接引用实证记录：一个太像跟随趋势，一个的整合层找不到任何先例。每个点子附完整推导链，你不同意其中某个假设，可以只推翻那一环重跑，不必整篇推倒。当然，代价也是真的：流程开销大约两倍，报告更长，而且这次评估是我们自己做的、非盲评、样本量只有一对，这些局限都写在实验记录里。 ## 人留下什么 这套分工里有几件事 AI 干不了，方法论自己就把它们标出来了。选哪个问题，取决于你对它有没有持续的热情，这只有你自己知道；你希望解法给你什么感受、你想取悦谁，这是口味；最后把点子讲给真人听、观察对方脑子里成的像，这一步没有任何模拟能替代。skill 把这些节点设计成向用户提问，而不是替用户回答。 所以这个实验的结论不是 AI 会替你创新。更准确的说法是：创新这件事里原来被当作天分的那一大块，其实是可以写成工序的体力活；工序交给机器之后，人剩下的部分反而更清楚了，也就是选题、口味和最终拍板。1999 年那个程序证明过一次这件事，只是当年没人有一台通用执行机器来把它变成日常。 方法有边界，也照实说。那个常被引用的数字，七成成功产品能对上五个模板，是对既成事实的回溯归类，样本还偏向专利和实体消费品，它不构成”照做就会成功”的承诺。这套方法擅长的是组合式创新和产品改进，遇到”这个品类还该不该存在”的范式问题，正确的输出是承认不适用。还有一层要警惕：方法论用久了自己也会变成思维定式，所以 skill 的路由层里，“两套都不用”是一个正式出口。 手册、公理、实验的全部原始记录在这里：github.com/grapeot/innovation-assistant-skill。它是纯 Markdown，没有依赖，把 repo 地址交给你的 coding agent 就能装。欢迎拿你自己的问题跑一遍，尤其欢迎跑出反例。 最后再次感谢翻盖鲨鱼：没有那次讨论，就没有这篇文章和这个实验。