核心内容总结
这篇文章通过作者端午节用AI重构新闻聚簇算法的经历，对比了不同AI模型（Claude Fable 5 vs Opus 4.8）的能力差异，进而类比“管理AI”与“管人”的相似性——需根据能力层级匹配目标和管理方式。最终升华到AI时代的管理者价值：AI会逐步替代执行、策略层工作，而人类的核心竞争力在于“思考应该思考什么”（价值观、伦理判断、选择层面的决策）。
详细拆解解读
1. AI也分“能力段位”：Fable5是“超级大佬”，Opus4.8只是“高级打工人”
作者想重构新闻聚簇算法（把相关新闻归成一类，避免乱聚或分裂），用Opus4.8时踩了无数坑：方案漏洞多、反复反转、BUG不断，花了一天才勉强搞定；而他怀念的Fable5，只要给模糊目标就能自己设计最优方案，半天搞定还填好所有坑。
就像职场里：Fable5是“合伙人级”员工——给方向就能跑完全程，还能沉淀经验；Opus4.8是“高级执行者”——能力强但需要盯着，得给具体步骤才不会出错。两者的核心差距是“自主解决模糊问题的能力”。
2. 管理AI=管人：给对“目标层级”才有效
作者发现，管理AI和管人逻辑完全一致，需根据对方能力给不同层级的目标：
- 执行层目标（给新人/初级AI）：比如“打开文件→复制数据→粘贴到表格→调格式→发邮件”，每步都明确，对应写详细Prompt让AI照做；
- 策略层目标（给熟练员工/中级AI）：比如“本月视频排期按上月风格，每周两条”，给目标+约束，让对方自己拆解步骤；
- 愿景层目标（给大佬/顶级AI）：比如“今年把品牌线下影响力做起来”，只给方向，对方能自己出方案甚至超预期。
作者的痛苦根源就是：给了Opus4.8（中级AI）策略层目标，而它需要更细的执行层指引——目标和能力错配了。
3. 用AI效果差？可能是你“管理颗粒度”没调对
为什么有人觉得AI笨，有人用得顺？关键是“判断AI能力，调整管理颗粒度”。
比如：对Opus4.8这种中级AI，你不能说“重构聚簇算法”（太模糊），得说“先调研3篇相关论文，用我们数据库的2024年新闻数据做回测，阈值先设0.7，多语言情况要考虑”（更具体）；而对Fable5，直接说“把聚簇算法改得更准确”就行。
这和管人一样：对新人要手把手教，对老员工要放权——颗粒度不对，效率就低。
4. AI越强大，管理者越要“往上爬”：思考“应该思考什么”
AI会越来越强：未来Opus4.8级别的模型也能接策略层目标，甚至出现“合伙人级”AI。那人类管理者还有啥用？
作者引用德鲁克的话：“管理者的工作是思考应该思考什么”。意思是：
- AI能做“怎么做”（执行）、“做什么”（策略），但不能做“选哪个问题值得想”——比如“我们要不要做这个AI产品？”“这个市场方向对不对？”背后是你的价值观、审美、愿意承担的代价（比如选短期利润还是长期口碑）。
这些是AI算不出来的——计算有最优解，选择没有。比如AI能给你10条创业路径的收益概率，但选哪条，得你用自己的人生经验和价值观来决定。
5. AI时代的生存法则：积累“不可计算”的东西
很多人怕AI取代自己，但作者认为：AI越强，越逼你往更高层级走——从执行者→管理者→战略者→“哲学家”（做价值观判断）。
你要积累的不是“写代码”“做PPT”这些AI能快速学会的技能，而是：
- 你的价值观（比如“不赚快钱，要做有价值的产品”）；
- 你的审美（比如“这个设计更符合用户的情感需求”）；
- 你的伦理判断（比如“这个AI功能会不会伤害用户？”）。
这些“不可计算”的东西，才是AI时代的核心竞争力。
总结
这篇文章用一个AI实操案例，讲透了“AI能力分层”“管理匹配”“人类不可替代的价值”三个核心点。本质是告诉我们：AI不是敌人，而是“升级工具”——它帮你干掉重复工作，逼你成为更高级的思考者。关键是你能不能接住这个“升级”，积累那些AI拿不走的东西。