GitHub: Human Engineering
一个越来越常见的场景
你的 AI agent 现在能做的事情，已经不是"回答问题"这么简单了：它能拆解任务、调用工具、写代码、跑测试、改文件、发请求。行业已经达成共识，用一个公式总结这件事：
Agent = Model + Harness
Harness（AI 的运行环境）就是包在模型外面的那一整套东西：工具、权限、护栏、反馈回路、可观测性。过去这一两年，几乎所有"agent 工程"的精力都花在这里——怎么给一个足够聪明的模型搭一套环境，让它能在人的工作流里稳定干活。
这件事做得越好，一个新问题就越明显：AI 开始主导工作流之后，人在这个系统里的角色，从来没有人认真设计过。
于是你能在很多团队里看到同一种疲惫：人被系统追着批复，一堆"这个要不要批准""这个对不对"的通知砸过来，看得越来越快、想得越来越少，直到某次背锅的时候才发现——自己早就成了一个只会点"同意"的橡皮图章，而不是真正在把关。
Human engineering 这篇文档，就是想回答这个被忽略的问题：AI 主导系统里，人的角色、接口、协议，应该怎么设计？
反过来的公式
如果说 harness engineering 问的是"给定一个能干的模型，怎么设计它的环境"，human engineering 问的是它的镜像问题：
System = AI（驱动）+ Human（权威）
给定一个主导工作流的 AI，怎么设计"人"的环境——人的职责、人的接口、派发给人的任务——让人能稳定地为这个系统发挥作用？
两者不是二选一，一个成熟的系统两者都需要：一套让 AI 安全行动的 harness，加一套让人有效行动的人类工程学设计。
| 维度 | Harness engineering | Human engineering |
|---|---|---|
| 设计对象 | AI 的环境：工具、约束、护栏 | 人的角色：职责、接口、协议 |
| 谁给谁定规则 | 人 → AI | AI → 人 |
| 谁发起 | 人发起，AI 执行 | AI 发起并调度，人执行关键动作 |
| 优化的稀缺资源 | 模型可靠性 | 人的注意力和权威 |
| 防止的失败 | AI 做错事 | 人变成瓶颈或盲区 |
这套东西不是无脑套所有场景——对话式的小请求不需要这一整套协议开销，就像生产环境部署和写个脚本用的护栏级别本来就不一样。它在"多步骤、不可逆、对外、长期目标"这类高风险场景里才真正划算。
三条支撑这一切的公理
- A1 · 能力持续向 AI 迁移：模型能力单调增长，执行乃至决策会持续从人转移到 AI。任何建立在"人执行得更好"上的分工，都有保质期。
- A2 · 具身和法律身份留在人身上：AI 有智能，没有身体、没有法律身份。权限、凭证、硬件、采购、账户所有权、法律签字——这些"开门的钥匙"始终握在人手里。哪怕 AI 能设计出整套方案，按下"批准"、装上工具、签合同的还得是人。
- A3 · 责任不可转移：出了问题，责任落在人身上——法律上、合同上、道德上都是。人可以把执行甚至判断都委托出去，唯独责任不能。
三条公理放在一起，答案就浮现了：既不是"人指挥、AI 执行"（浪费了 A1），也不是"AI 包办一切"（违反 A2、A3）。稳定的均衡是——AI 拿主动权，负责计划、执行、调度、派发；人拿权威，通过一个小而明确的接口暴露出来。 Human-engineering，就是设计这个接口。
Human API：人只剩三个端点
在一个 AI 主导的系统里，人是一个只有三个端点的接口，人合法的贡献全部经过其中之一：
intent（对齐目标）——说清楚想要什么、边界在哪、什么算成功。这是人杠杆最高的动作：AI 之后的每一步决策都是从这里推导出来的。值得一提的是，文档里专门强调：指令不等于意图，只是意图的一个有损表达——AI 的职责之一是"编译"指令、找回背后真正的目标，明显的笔误直接修正、可补全的缺口按声明的默认值补齐，一旦和既有目标冲突就要中断执行、把修正建议派发回人——照单全收地执行一个有缺陷的指令，不是听话，是失职。grant（提供能力）——人是 AI 的"手和钥匙"：给权限、装工具、供凭证、批准不可逆动作。这是 A2 存在的直接体现，也是无论模型多强，AI 主导系统里始终留着人的原因。verdict（验证结果）——人对照intent里定的验收标准，检查交付物，接受或打回。按 A3，这个端点永远不能被完全自动化——担责的人，必须是做判断的人。
文档里有一句话很直接：这三个端点，就是人在 AI 主导系统里的全部工作说明。 人在这三者之外做的事——手动执行步骤、微操 AI 的过程、把 AI 做过的再做一遍——要么说明信任还没建立起来，要么就是一个该被设计掉的缺陷。
给人的任务，也需要"工程"
如果 AI 拿主动权，AI 就要负责派发任务。但"AI 指挥人"这个说法有一处需要澄清：AI 拿主动权，人拿权威——AI 决定"该做什么"、推给人，但人的签字才让它成真，签字的人承担后果。更准确的心智模型是幕僚长：它把系统运转起来，只把真正需要你签字的事放到你面前。
既然人的注意力是稀缺资源，AI 派给人的每一个任务都该带上五个字段：
- 动作——人必须做的、最小的那件事
- 理由——对应哪个端点（
grant？verdict？），为什么 AI 自己做不了 - 证据——AI 已经验证过什么，让人是"复核"而不是"重新推导"
- 风险——可逆性、影响范围、出错代价，让人知道该投入多少审查力度
- 默认行为——如果人什么都不做，会发生什么（或被阻止什么）
这其实是反过来的提示词工程：提示词工程花人的力气去把话说清楚，让机器读得便宜；派发协议花机器的力气去把话说清楚，让人决策得便宜。一个甩给人一堆没解释、没排序的原始请求的 AI，和一个写烂提示词的人犯的是同一种错——而且这是工程缺陷，不是没办法的事。
交付物要"自证可验证"
这套框架最大的软肋，恰恰在 verdict 这个端点：人没法验证一个自己已经看不懂的东西。 这就是"可扩展监督"问题，也是整套框架里最有分量的风险点。
Human-engineering 给的答案是：可验证性是交付方的责任，不是验证方的。每一份交付物都必须是"可验证式构建"的——AI 不只是交出成果，还要一并交出验证成果所需的东西：关键假设、已收集的证据、已经跑过的检查和结果、一份看得懂的变更说明。一份只能靠"重新做一遍"才能验证的交付物，无论内容多正确，都是有缺陷的交付物——而且这个"看得懂"是对照实际验证者的知识背景来衡量的，不是对照一个理想化的读者。
配套的三个实践：让人验证"性质"而不是重读全部内容（跑测试、查不变量、对账）；引入第二个独立 AI 实例做对抗性复核，人只需要裁决分歧；定期做校准式抽查，衡量而不是假设这份委托值多少信任。
成熟度模型：HE-0 到 HE-4
| 等级 | 名称 | 谁主导 | 人的参与方式 |
|---|---|---|---|
| HE-0 | Copilot | 人 | 人干活，AI 就地辅助 |
| HE-1 | Executor | 人 | 人拆解任务，AI 执行具体步骤 |
| HE-2 | Gated agent | AI（任务内） | AI 执行整个任务，人在每一步都要批准 |
| HE-3 | Human API | AI（目标内） | 人只出现在三个端点：intent / grant / verdict |
| HE-4 | Standing goals | AI（跨目标） | 目标长期存在，AI 自行调度、按需异步派发给人 |
今天行业里大多数所谓"AI 转型"，其实还停留在 HE-0 到 HE-2——很多打着"AI 赋能"旗号的项目，本质是加了层营销包装的 HE-1。Human-engineering 真正的起点是 HE-3：人不再管理过程，只作为权威接口存在。检查点的疏密是动态的：新场景/新风险 → 加密 grant 关卡、加密抽查；干净的 verdict 积累得越多 → 关卡越少、检查越粗。自主权从来不是"被给予"的，而是被"测量出来"的。
不只是一篇理论文档
这套协议自带一份可以直接用的 Claude Code skill 参考实现，把上面这些原则变成真正的执行约束：intent 对齐门控（存在分歧就不执行）、每个人类任务都强制五字段派发、可验证式交付、不可逆动作前的硬性 verdict 关卡、按固定顺序做失败归因。
安装（用户级，全项目生效）：
mkdir -p ~/.claude/skills/human-engineering
curl -fsSL https://raw.githubusercontent.com/HarveyYa/human-engineering/main/skill/SKILL.md \
-o ~/.claude/skills/human-engineering/SKILL.md
装好之后用 /human-engineering <任务> 调用，或者让模型在遇到重大、多步骤、不可逆的工作时自动进入这套流程。
写在最后
Harness engineering 是过去这段时间的主角：人们学会了给 AI 造一套能可靠工作的环境。它做得越成功，就越暴露出下一个问题——当 AI 开始主导工作流，系统里唯一还没被设计过的部件，就是人。
Human engineering 给出的答案很朴素：
- 人的工作收敛到三件事——对齐目标、提供能力、验证结果。
- AI 的义务相应扩大——照看到每一个决策点、把任务按人的注意力来设计、交付时自带验证手段。
- 权威和责任从不转移，转移的是主动权——而且它正在向 AI 移动。
这不是人失去掌控，而是对"人的掌控"做了一次精确的工程设计。一个每天认真看五个证据充分的请求的人，比一个亲自微操五百次提示词的人，管得更多，不是更少。
