目前LLM（大型语言模型）的核心能力：文本理解和生成（在大量训练数据分布内）、代码生成和调试、信息汇总和格式转换、模式识别（图像分类、异常检测）、多语言翻译。核心局限：不能可靠地访问实时信息（需要外部工具）；在高度专业化、训练数据稀少的领域准确性下降；不能主动感知物理世界；不具备持续自主学习能力（需要重新训练）；在涉及真实世界后果的高风险决策中需要人类监督。
## AI无法轻易替代的人类能力
**情感智能与关系建立**：理解微妙的情感信号、建立深度信任关系、在冲突中进行有效调解——这些依赖于人类的具身体验（embodied experience）和情感共鸣，是LLM的根本性能力边界。**创造性判断（非生成）**：AI擅长”生成”创意选项，但”判断哪个选项真正有价值”需要与文化、受众、时机等人类语境深度耦合的能力。**道德责任与问责**：在涉及重大后果的决策中（医疗诊断最终判断、法律责任认定、重大商业决策），人类的道德责任和问责机制是不可缺失的。**跨领域类比推理**：将一个领域的洞察迁移到完全不同领域（从进化生物学原理推导商业竞争策略）——这种创造性类比是人类智识的独特优势。**物理世界的灵巧操作**：AI（包括具身AI和机器人）在非结构化环境中的精细动作控制仍远落后于人类。
## 构建人机协作的工作模式
有效的人机协作不是”人做A，AI做B”的简单分工，而是一种**迭代增强**循环：人类提供方向和约束（Prompt设计）→AI生成选项和初稿→人类筛选、判断和提炼→AI在人类反馈基础上迭代优化→人类做出最终决策。在这个循环中，人类的价值体现在：问对问题（比回答问题更重要）、设定评估标准（什么是好的输出）、辨别AI错误（幻觉、偏差、遗漏）、整合外部语境（客户关系、政治环境、隐性知识）。
参见[Prompt工程实战](https://sunqi.org/prompt-engineering-guide-zh/)；[AI工具工作流](https://sunqi.org/ai-workflow-productivity-zh/)；[MIT斯隆管理评论AI与工作未来](https://sloanreview.mit.edu/topic/artificial-intelligence/)。
