从巫师到赞助人：Claude 5 Mythos 让我重新理解了"跟AI协作"这件事

上周沃顿商学院教授 Ethan Molick 发了一篇长文，标题很朴素——《What It Feels Like to Work with Mythos》。但读完之后我愣了很久。

不是因为 Mythos 多么炫酷——虽然它确实炫酷——而是因为它迫使我重新审视一个我一直以为已经想清楚的问题：人和 AI 到底该怎么合作？

巫师的终结

过去一年多，我用 AI 的方式大概是这样的：打开对话框，写一段精心打磨的 prompt，等它吐出结果，不满意就改 prompt 再来一遍。说白了，我就是个巫师——念咒语，看效果，调咒语。

这个过程虽然比写代码快，但本质上还是"我主导一切"。每一个决策都经过我的手，每一步走向都在我的掌控之内。舒服，而且安全。

Molick 说，面对 Mythos，这种模式失效了。

他用的比喻很妙：以前你是巫师，现在你是赞助人（Patron）。你提出需求，定下愿景，支付 token，然后——

放手。

AI 自己拆解任务，自己派子智能体去查资料、写代码、互相审计、抓 bug。它可能独自工作好几个小时，甚至十几个小时。你不需要参与中间那几百个微小的决策。你唯一要做的，是对最终成品做出判断。

Molick 原话是：“I no longer steer; I commission.”

不再掌舵，只负责委托。

九个半小时的研究软件

让 Molick 真正震撼的，不是一个玩具 demo，而是一个实打实的研究工具项目。

他提出了一个需求：给社会科学研究者造一个软件，用来校准人类判断和 AI 判断之间的偏差——那种学术界很需要但商业上根本没利润去做的工具。

Fable（Mythos 的代号）先花时间写了一份 19 页的设计文档，然后开始动手。连续工作了 9.5 个小时。

最终产出了一个完整的研究软件，能处理多数据集、校准人和 AI 的分类结果、跑复杂的统计分析。Molick 把代码开源了，放到了 GitHub 上。

他自己也坦言：一个专业工程师能很快修掉那些他发现不了的潜在 bug。但他紧接着加了一句意味深长的话——“这恰恰说明未来我们需要更多程序员，而不是更少”。

还有一个案例更离谱。Molick 让 Fable 做一张"等时线通行图"——输入城市和时间上限，就能看到你能到达哪些地方。这个任务需要计算几千条航线、铁路、公路的旅行时间，需要大量的数据检索和判断。之前所有公开模型都搞不定。

Fable 不但搞定了，而且当他给出追加反馈（“把偏远机场和偏远地点的旅行时间也算进去”）时，它自己组建了对抗性审查小组，让不同的子智能体互相挑战对方的结果。最后它甚至查到了皮特凯恩群岛的船期，以及从渥太华到格赖斯峡湾的路线。

说实话，读到这里我有点不寒而栗。

验证的悬崖

真正让我这篇短文没有变成"AI 真牛逼"纯安利帖的，是 Molick 和评论区读者们提出的隐忧。

当 AI 的产出复杂到超越人类独立编写的能力时，瓶颈不再是"让 AI 生成"，而是"如何验证 AI 的正确性"。

专家也许一眼能看出破绽，但非专家呢？当一段代码、一份报告、一个决策系统庞大到你根本无法逐行审计时，你凭什么签字？

Molick 说的那个词让我印象深刻：“jagged frontier”——锯齿状的前沿。意思是 AI 的能力边界不是一条平滑的线，而是一道参差不齐的锯齿。它在某些地方碾压人类，在另一些地方犯低级错误。而且你永远不知道下一刀会落在哪里。

这就引出了一个更深层的问题：当 AI 能力超过我们的全面审计能力时，所谓的"评审"会不会慢慢变成"闭眼签字"？

孔子说"知之为知之，不知为不知，是知也"。可在 Mythos 面前，你甚至不知道自己不知道什么。

资本的复辟

还有一个容易被忽视的点：钱。

Mythos 的 token 消耗量极其惊人。Molick 说它的价格是 Opus 的两倍，而且动辄连续运行数小时。几个 prompt 就能在几分钟内烧掉大量配额。

他借用了软件行业的历史来做类比。过去几十年，软件是一个"以小博大"的领域——一个天才程序员在车库里能做出对抗大厂的产品。Linux 是这样，Minecraft 也是这样。关键在于人力资本和创造力，物质门槛很低。

但如果未来的软件越来越依赖大额算力投入呢？如果"烧 token"取代了"写代码"成为主要成本呢？

那资本和资源就会重新统治这个领域。大公司用不起封顶的算力堆出来的产品，个人开发者根本打不过。曾经在开源世界里被打破的壁垒，可能又要被重建起来。

Molick 没有把话说死，但这个隐忧是真实的。

写在最后

回到最开始的问题：人和 AI 到底该怎么合作？

Mythos 给出的答案不令人舒服，但可能很诚实——你的角色变了，从"做"变成了"判断"。 你的价值不再体现在过程控制上，而体现在你有没有足够的能力去评审一个你自己做不出来的结果。

这需要一种新的心理韧性。习惯了掌控一切的人，要学会放手。习惯了靠硬技能安身立命的人，要重新定义自己的核心竞争力。

但有一点 Molick 说得很清醒：人类不会因此变得多余。恰恰相反——当 AI 能力越强、产出越复杂，人对结果的审验和把关就越重要。只是这个"重要"的性质变了。它不再是技术层面的重要，而是判断层面的重要。

亚里士多德在《尼各马可伦理学》里区分过两种知识：techne（技艺之知）和 phronesis（实践智慧）。前者是"怎么做"，后者是"该不该这样做、做到什么程度算好"。

在 Mythos 的世界里，techne 正在被大规模外包。但 phronesis——那种只有在具体情境中才能锤炼出来的判断力——恰恰变得前所未有地稀缺和重要。

这可能才是这篇博文真正想说的。

原文链接： What It Feels Like to Work with Mythos (Claude 5 Fable) by Ethan Mollick