吴师傅和那些不能交给 Agent 的节点

吴师傅的工位在精密装配工段的尽头，靠着一面没有窗户的混凝土墙。这个位置是他自己选的。1993 年他进厂的时候，带他的老师傅把他放在了车间正中间——人来人往，各种声音、振动、气流。老师说："先在乱的地方练手。等你手上有了准头，再给你一个安静的位置。"五年后他有了准头，被调到了这个尽头工位。安安静静，只有他和零件。

精密装配是华岳精密最吃手艺的活。核心零部件的最终装配、高精度校准、异常品的再加工——这些工序的共同特点是：大部分情况有标准流程，但一旦碰到异常，标准流程不够用。

一个零件的公差在图纸范围内，但装配后的手感告诉吴师傅"有点紧"。这种"有点紧"说不清楚——不是数值超差，不是外观异常，是经验积累下来的一种直觉。这种直觉让他多做了一步——把零件拆开，重新清洗了一遍配合面。清洗之后再装，手感对了。

后来检测发现，那批零件的表面微观粗糙度确实偏高了一个等级。如果按标准流程直接装下去，成品在三个月后可能出现微动磨损。不是马上出问题，是隐患。吴师傅能感觉到这个隐患。他不知道怎么解释这件事，他说这叫"手感"。三十年练出来的手感。

---

三次自动化

厂里试过三次把他这个工位自动化。都没成。

第一次是 2008 年。厂里上了一台进口的精密装配机器人，号称可以替代"高精度手工装配"。机器人装了两周，良品率 95%。吴师傅手工装的良品率 99.2%。差了 4.2 个百分点。追查原因——机器人处理标准品没问题，但碰到异常品（公差在边界、表面有微观缺陷、配合间隙需要微调）时，它的处理方式是"报警停机"。标准品占 80%，异常品占 20%。那 20% 它不会处理。

第二次是 2015 年。厂里又上了一台，这次加了视觉检测和力控传感器。良品率做到了 97%。进步了，但还是不如吴师傅。因为视觉检测能看到的异常和力控传感器能感觉到的异常，加起来还是比吴师傅的"手感"少——他能察觉到那些视觉看不到、传感器量不出的细微问题。

第三次是 2020 年。这次不上机器人了，上了一套 AI 辅助判断系统——用视觉大模型识别异常，用算法给出处理建议。效果比前两次好，良品率到了 98%。但还是不如吴师傅。因为 AI 的建议是基于历史数据推断的——历史上没见过的异常，它要么给不出建议，要么给一个"看起来合理但实际有风险"的建议。

三次下来，厂里得出了一个结论：有些工序的"异常判断"没法完全程序化。 标准部分可以自动化，但异常部分必须有人兜着。吴师傅听了这个结论，说了一句："机器做对了是应该的，做错了找谁说理？这种活儿就得有个人兜着。"

---

一个新的"徒弟"

去年冬天，郑总找吴师傅谈话。

"吴师傅，有个事想请你帮忙。"

厂里正在做一个贷款审批 Agent 系统——不是华岳精密自己的，是给一个合作的金融科技公司做的咨询。这家公司想用 AI 做贷款审批的自动化，把审批流程从"人工审"变成"AI 审+人工复核"。他们技术上能做，但不知道该在哪些环节设人工复核点。

"他们懂技术，但不懂'什么时候该让人来'。吴师傅，你在这个问题上干了三十年。"

吴师傅没立刻答应。他问了一个问题："他们派谁来跟我对接？"

"一个年轻的数据科学家。名校硕士，做过好几个 AI 项目。"

吴师傅想了想："行。但他得按我的规矩来。"

"什么规矩？"

"看三年，动手三年，独立三年。"

郑总愣了一下："这是你带徒弟的规矩。一个咨询项目，不用三年吧？"

吴师傅说："规矩是规矩。我没说一定要三年。但顺序不能变——先看，再动手，再独立。他来了不能一来就问我要结论，得先看我怎么做事。"

---

那个年轻的数据科学家叫方远，27 岁，某 985 高校计算机硕士，做过两个 NLP 项目和一个推荐系统。他被派到华岳精密"跟吴师傅学习"，心里是有些不服气的——一个做精密机械的老工人，能教他什么关于 AI 风险判断的东西？

第一天，吴师傅让他在工位旁边搬了个凳子，坐下看。

"什么都不要问，不要记笔记，不要拿电脑。就看我干活。"

方远坐了一天。看吴师傅装配了七个零件。其中五个按标准流程顺利完成。第六个，吴师傅拆开重装了一次。第七个，吴师傅停下来看了很久，然后走到检测室拿来一台高倍率显微镜看了一遍，回来才装。

方远忍不住问："吴师傅，第七个你为什么拿显微镜看？"

"手感不对。"

"什么手感？"

"我说不上来。就是不对。"

方远觉得这个回答不太科学。但他没说什么。

---

第二周，吴师傅开始让他做一些辅助工作——递零件、记录装配参数、帮忙拿检测报告。不是教他装配，是让他"离活儿近一点"。

第三周，吴师傅开始跟他解释装配背后的判断逻辑。不是一次讲完，是碰到什么讲什么。

一个零件公差在范围内，但吴师傅说"这个先放一边"。方远问为什么。吴师傅说："你看这个配合面的纹理——它是斜的。正常应该是平行的纹理。斜的纹理说明加工的时候刀具走偏了。公差没超，但纹理不对，配合后可能有微观滑移。"

方远第一次意识到，吴师傅的"手感"不是玄学——是几十年积累的微观模式识别。只是这些模式没有被形式化，没有被写成文档，全在吴师傅的手和眼睛里。

第四周开始，吴师傅把话题从零件转向了贷款审批。

"你不是要给那个贷款审批系统设人工复核点吗？你先告诉我，你们的 Agent 怎么审贷款。"

方远解释了一遍流程：客户提交申请 → Agent 收集信息（收入、征信、负债）→ Agent 评估风险 → Agent 给出审批建议（批/不批/人工复核）→ 输出结果。

吴师傅听完，问了一个问题："你的 Agent 什么时候会决定'这个案子要给人看'？"

"两种情况。一种是置信度低于阈值——Agent 自己不确定。另一种是触发了预设的高风险规则——比如贷款金额超过某个上限、客户有不良记录。"

"还有没有第三种？"

"什么第三种？"

"Agent 自己很确定，但实际搞错了的那种。"

方远愣了一下。"这种……我们的质量监控会抽样检查。但不能做到每个都拦。"

吴师傅点点头。"你刚才说我的第七个零件——公差在范围内，检测也合格，但我觉得不对，拿了显微镜看。如果那个零件是一台设备的配合件，公差和纹理都'合格'，直接装上去，三个月后微动磨损，设备故障。谁负责？"

"设计的人？还是制造的人？"

"用这台设备的人负责承受后果。但他不是做决策的人。"吴师傅看着方远。"贷款审批也是一样。Agent 批了一个贷款，客户还不上，坏账了。谁承受后果？银行。谁做的决策？Agent。做决策的和承受后果的不是同一个人。这种时候，就得有人在中间兜着。"

---

哪些节点必须留人

接下来的两个月，吴师傅和方远一起，把贷款审批流程从头到尾走了一遍。不是从技术角度走，是从"出错了谁负责"的角度走。

吴师傅的方法很简单——对每个环节问三个问题：

第一，这个环节如果出错了，后果有多严重？

如果只是"审批慢了一点"，后果轻，可以容忍。如果是"批了一个不该批的贷款导致大额坏账"，后果重，不能容忍。

第二，这个环节出错了，能被发现吗？

如果错误会在后续环节自然暴露（比如下游审核会拦住），那可以依赖下游。如果错误一旦通过就再也发现不了（比如一个隐蔽的风险因素被忽略了），那必须在这个环节拦截。

第三，如果出错了，谁能兜住？

如果错误的影响范围可控、有人能补救，风险可接受。如果错误的影响不可逆、没有人能补救，必须在决策前拦截。

三个问题问完，每个环节得出一个判断：必须有人、可以自动化、看情况。

方远整理了两周，画了一张表。十五个审批环节里，三个标了"必须有人"，五个标了"可以自动化"，七个标了"看情况"。

"看情况"的那些，他设了条件规则——满足条件的走自动化，不满足的转人工。

吴师傅看了这张表，说："差不多了。但我有一个补充。"

"什么？"

"你的'可以自动化'那五个环节——三个月后回来再看一遍。"

"为什么？"

"因为我当年也觉得有些装配步骤可以完全交给机器。后来发现，'可以自动化'这件事本身会过期——环境变了、产品变了、客户变了，原来安全的自动化可能变得不安全。所以你得定期回来重新评估。"

方远看着吴师傅，忽然明白了为什么郑总要派他来跟这个老师傅学。

吴师傅教他的不是"怎么设人工复核点"。吴师傅教他的是一个更根本的东西——人不是系统的 fallback，是系统的一部分。有些活儿不是机器做不了，是不该让机器做。哪些该让人做，是风险设计问题，不是技术问题。

---

三个月

三个月后，方远回去了。

临走之前，他给吴师傅带了一盒茶叶。吴师傅收了，放了一包在工位旁边的柜子里。

方远说："吴师傅，我以前觉得 Human in the Loop 是一个技术方案——在自动化流程里加几个'确认'按钮。现在我知道不是。它是一个风险设计问题。谁来做决策、谁承受后果、谁能兜住——这三个问题答清楚了，才知道人该放在哪里。"

吴师傅点点头。

方远又说："你那三个问题——后果有多严重、能不能被发现、谁能兜住——比我们用的任何风险评估框架都好使。"

吴师傅没接话。他从柜子里拿出一把旧游标卡尺，递给方远。

"这是我师傅给我的。1993 年。现在我用不上了——我早换数显的了。但你拿着。"

方远接过来。卡尺的刻度已经有些磨损，但滑动还顺滑。

"记住了，"吴师傅说，"工具换了三代，但'什么活儿该让机器做、什么活儿该让人做'这个问题，三十年没变过。"

方远走的那天下午，吴师傅回到工位，继续装他的零件。

旁边的凳子空了。但他知道，这张凳子不会空太久——他的徒弟里有一个是小刘的堂哥，明年要开始跟他学手艺了。

带徒弟的方式还是那个方式：看三年，动手三年，独立三年。

只不过这次"看"的东西，多了一样——不仅要看零件，还要看系统。