你“渣”过 AI 吗？你的工作流程被 AI 颠覆了吗？

导语：对 AI 的态度，就是不主动使用 AI，不主动学习提示词工程；各大厂商推广 AI 的时候，不拒绝听一听，也不拒绝用一用；对于使用 AI 生成的结果不负责，结果不好都是 AI 的问题，跟我无关。你是不是也这么想的？那么你的工作流程现在被 AI 颠覆了吗？

在将于 2024 年 10 月 18-19 日举办的 QCon 全球软件开发大会（上海站），我们设置了【AI 重塑技术工作流程】这一专题，旨在探索那些超越单点 AI 应用，进一步利用 AI 技术重塑产品研发核心流程的最佳实践。我们关注实际案例和解决问题的策略，旨在解决当前研发团队面临的困境，让智能能真正赋能业务，创造价值。欲了解更多内容，可访问大会官网：https://qcon.infoq.cn/2024/shanghai/track/1704

本文主要聚焦 AI 如何重塑技术工作流程，以及流程如何反过来塑造 AI 。我们将从单点 AI 应用转向全流程 AI 集成，并讨论这种转变带来的挑战和机遇。

说起技术工作流程，大家肯定想起诸如 DevOps 之类的。但我今天要讲的是另外一个场景， toB 业务的痛：工单。做 toB 业务的都知道，团队每天都要处理数百个客户工单，从简单的咨询到复杂的系统故障，有时还得承担客户的怒火，这真是一项耗时且常常令人沮丧的工作。然而处理好工单，一方面是对我们自己产品负责，另外一方面，这也是产品进化的机会。就因为这个痛太明显了，大家一看到生成式 AI 的能力之后，都迫不及待地去投入建设。比如：建立知识库，使用 RAG + LLM ，让处理工单的同学能快速检索知识库，去回答和解决问题。我们也一样，经历了 RAG 各种问题的折磨和不断调整后，我们也实现了类似的能力（如下图），但是观察一段时间后，我发现大家还是很痛苦，很忙。询问大家的使用体验，对工作有没有帮助？都说有点儿用吧。

后来，我跟同事们开始复盘这个事情，一起绘制了如下工作流程图。这才发现我们的 AI 仅仅只是用在了工单答疑上（下图中蓝色星星处）

除此之外，还有哪些是 AI 可以发挥作用的呢？AI 是一个简单系统，它包含输入、处理、输出。于是，我们从"输入输出"开始，我们梳理了每个部分可能的输入输出（如下图）

然后有趣的事情就发生了，我们突然发现还有很多地方可以落地  AI ，除了用于指引工单处理和回答的 AI 工单回答助手，还可以有：

● AI 总结助手：用来把工单处理过程中产生的新知识自动总结提炼到知识库的 AI，这也同时解决了知识库的知识保持持续更新的问题，AI 总结助手可以帮助我们把隐藏的知识按照指定格式外化保存下来。这里还有一个更大的启发，LLM 还可以帮助我们从信息转变成知识的能力。除了工单的场景，大家可以想想，这会带来多少新的有价值的用法。

● AI 代码助手：利用工单上下文（ eg：日志、metrics ）等信息，自动定界甚至提供修改代码 patch 的 AI。这个助手可以分析错误日志和性能指标，定位问题所在的代码段，并提供可能的修复方案。在我们的未来设想中，它不仅可以加速问题解决，还能帮助开发人员学习和改进代码质量。

● AI 复盘助手：每个工单都是一个产品学习和成长的机会，但是事实上复盘耗时又烧脑，最简单的时间线记录都很难，所以复盘助手除了帮助复盘，提供从预防、缓解、解决、检测不同方向的思考外，还应该可以帮助提炼聊天记录中的时间线。

之前我们的 AI 落地都是单点思考，而逆转点就在于我们用流程展开工单的处理过程为开始。我想，这也算是为我坚信“流程化 - 数字化 - 智能化向上叠加又相互作用”的知行合一了。

“人类驯化了小麦，还是小麦驯化了人类?”

这是我从一本科普书籍里面看到的，其实很多事物都是相互作用，而不是单向作用。AI 与流程，也正如前面说的，流程化 - 数字化 - 智能化，相互叠加也相互作用，所以 AI 重塑流程的同时，流程也在塑造 AI。流程怎么塑造 AI 呢？最普遍的会认为数据是 AI 的基础，流程是数据的基础。但是，除了这个，其实还有两个部份在影响和塑造 AI 和 AI 使用的场景， 这里，我先说个有意思的真实故事。

Boss：给你两个人力，你可以帮我打下什么”山头“

员工：我承诺我会……….

Boss：好！两个人力马上给你。来，认识下他们。分别是  GPT-4 和  GPT-4o

上面这段对话是我在我们中心年会一个评奖环节时发生的，当时大家听完开怀大笑起来。这似乎是个不错的段子，有种老板耍流氓的感觉。为什么会有这个感觉呢？

如上图所示：

• 不信任。我们不相信 AI 的有两个核心原因，一个就是幻觉，所谓一本正经胡说八道。另外一个就是不确定性，看起来是产生创意的关键，但同时也让问相同问题却会得出不同的答案，在需要确定性的企业应用场合，这个特征简直绝杀。最后一个原因，就是没人味儿，一股赛博朋克味儿，可信度天然就下降了。

• 不可用。如果给 AI 配首歌，热狗的"差不多先生"最配，车轱辘一大堆，看起来有用，但是解决不了任何问题。例如，当你问 AI 使用 AVX 指令的风险的时候，它可能会给出一大堆泛泛而谈的建议，就是不提 AVX512 可能带来的 CPU 降频风险。还有就是上下文的限制，无论是输入的上下文，还是输出的上下文，直接让我们在一些场景下根本就无法使用。比如，要基于完整的代码和历史修改的上下文去做 AICR。

• “渣”AI。这应该算是 AI 被“渣”，AI 再美，不如自己更有性价比。所以很多时候，大家对 AI 的态度，就是不主动使用 AI，真正去学习提示词工程的寥寥可数；各大厂商推广 AI 的时候，不拒绝听一听，也不拒绝用一用；对于使用 AI 生成的结果不负责，结果不好都是 AI 的问题，跟我无关。这么说来，绝对就是“渣”男 / 女本“渣”。

怎么破呢？当前，AI 发展非常快，也衍生出很多解决问题的技术手段。但是，老生常谈的就不说了，我只说两个真难事儿，因为涉及到人的本质和 AI 的本质。

AI 的本质： 基于概率去关联词与词的特征的模型，所以"不确定性"是 LLM 天然的。

人的本质： 人的本质是人的需要。（马克思在《詹姆斯·穆勒〈政治经济学原理〉一书摘要》中多次提到人的本质就是人的需要）。我“需要”，比“给我好的”，更重要。所以“渣”似乎也有理论依据，所谓“千金难买我想要”。

一部分的破解之道，就在流程中

1. 不确定性 -> “确定的结果”需要“确定的流程”

正如在《思考，快与慢》中，慢系统其实就是我们通常说的思路，理性且耗费脑力，但是他能获取比直觉更高确定性的结果。我们也可以称之为思考的流程，在 AI 里面类似思维链 CoT。但是，其实一切都没有脱离概率，思考的流程从另外一个角度看，通过思考的步骤来强化期待结果概率的方法。而放大到组织的粒度来说，就是流程，流程的步骤其实是放大达成目标的概率的方法。

1. “渣”AI -> 主动 AI 变成被动 AI，让 AI 嵌入流程中

正如酒店里的机器人，你不会主动用，但在你每次叫外卖的时候会被动用到它。这就是流程的力量，因为外卖机器人嵌入了酒店大堂到房间的送货流程中，让你不得不用，想“渣”也不行。

1. “渣” AI  -> 你想要 = 你负责 = 要流程

粤语有句话叫“吃得了咸鱼，抵得住渴”，意思就是我选择结果，我要为之负责。所以，对于 AI 的“不负责”和我的“不抉择”其实就有着微妙的关系。要不要“抉择”，关键就是我有没有明确的、具象的目标，我称之为“我想要的”。深入使用大型语言模型后，我发现一旦我明确知道“我想要的”，像 Agent 那样让 AI 自己规划流程输出的结果就不那么成立。这时，我们人类自己来定义的”流程“就成了是我们让 AI 输出“我想要的”的关键手段。

那么流程究竟是什么？为什么会有这个作用。我理解流程是一系列规划好的步骤和对于每个步骤产出的标准。它的特质，注定流程追求的是效率和确定性。如上图，映射到 AI 的原理中也很有意思，AI 回答的每一个词都由前者的词的特征来计算概率得出。而你写的思考流程，每一步的生成内容，其实都是在不断增强你最终想要的词出现的概率，跟真实世界的流程有着异曲同工之妙。

总而言之，数据需要基于流程之上的数字化，而流程本身的确定性和强制性又从一定程度上解决 AI 和人的本质带来的难题。所以 AI 在重塑我们的流程的同时，流程也在塑造 AI 。