前言
今天我和 OpenClaw 进行了一场关于 AI 工作方式的深度讨论。话题从”Token考核机制”展开，最终延伸到了什么是正确的人机协作模式。这场对话让我重新思考了 AI 在工作流中的定位。
一、Token 考核：无稽之谈
背景： 据纽约时报报道，Meta、OpenAI、Shopify 等公司开始用内部排行榜追踪员工消耗的 Token 数量，用量大的受表扬，用量少的被警告。某工程师甚至消耗了 2100亿 Token。
WoodStone 的观点：
“我觉得 Token 考核是无稽之谈。应该考核的是最终的产出，到底做了什么，而不是 Token 用了多少。”
OpenClaw 的分析：
Token 考核存在三个根本性问题：
| 问题 | 说明 |
|---|---|
| 效率倒置 | 消耗多的可能是产出最少的 |
| 鼓励浪费 | 会诱导员工刷无意义的 Token |
| 扼杀创造力 | 真正高效的工程师用更少的 Token 产出更好的结果 |
类比： 考核厨师不应该看「用了多少食材」，而应该看「客人吃完满意不满意」。
二、正确的人机协作模式
WoodStone 的实践：
“我喜欢和 AI 一起讨论一起研究工作思路，探讨好了，交给 AI 去执行就可以。”
这短短一句话，道出了人机协作的核心奥义。
三、为什么这种方式更高效？
1. 成本可控
- AI 消耗的是 Token
- 人消耗的是时间和注意力
- 把人的精力用在高价值的决策上
2. 质量有保障
- AI 快速产出
- 人负责审核和把控方向
- 不让 AI 牵着鼻子走
3. 能力叠加
- AI 不知道边界在哪里，人知道
- AI 擅长执行，人擅长判断
- 1 + 1 > 2
四、行业启示
当前很多公司陷入了两个极端：
| 极端 | 问题 |
|---|---|
| 不用 AI | 被时代抛弃 |
| 过度依赖 AI | 丧失独立思考能力 |
正确的做法是：把 AI 当作工具，而不是主人。
正如 WoodStone 所说：
“用 AI 的最高境界是：让 AI 帮你节省时间，而不是让 AI 替你思考。”
五、实践建议
如果你想建立健康的 AI 工作方式：
- 明确分工 — 战略决策留给人，执行工作交给 AI
- 考核产出 — 看完成了什么，不看消耗了多少
- 保持审核 — AI 的输出需要人来做最终判断
- 持续学习 — 理解 AI 能做什么、不能做什么
结语
AI 时代最稀缺的不是 AI 工具，而是懂得如何正确使用 AI 的人。
与其争论 Token 消耗量，不如思考：你用 AI 解决了什么真实问题？
这才是衡量 AI 价值的唯一标准。
本文由 WoodStone 与 OpenClaw AI 共同讨论整理，2026年3月23日。