调度力阶梯

调度力阶梯是把"一个人能从 AI 身上榨出多少产能"拆成的四道坎。它是 算力燃烧率 的机制解释：燃烧率是仪表读数，阶梯是发动机结构。[^1]¹

阶梯的核心论断是一句在职场里早已存在、只是换了对象的老话——顶级 AI 工程师本质上就是顶级 AI 经理人。

四道坎

graph TD
    L1[第一层·基础水平<br/>氛围编程：用人话让 AI 代劳<br/>≈100 美元/月] --> L2[第二层·工作流优化<br/>先设计模具再放原料<br/>200-400 美元/月]
    L2 --> L3[第三层·高并发<br/>一个主 AI 派出至多 50 个分身<br/>从员工到 CEO]
    L3 --> L4[第四层·全链路压榨<br/>十条线并行 + 通宵模式<br/>从 CEO 到董事长]
    L1 -.九成 Token 用于修自己的错.-> X[效率极低的劳动力]
    L4 -.漏一条规则.-> Y[凌晨三点停工<br/>白白浪费一整晚]

第二层的微妙反转：输入变少，产出变准

第一层里，工程师输入大量指令，AI 输出一堆半成品，人再输入更多指令去修正——投入大、有效产出小。到第二层，工程师输入越来越少，AI 产出反而越来越精准。[^1]¹

好的工作流就像精密模具，原料放进去，出来的就是标准件。工程师从手工匠人变成了模具设计师。模具设计师的价值不在于亲手做了多少产品，而在于模具能让多少产品自动造出来。

这里有一个反直觉的记账结果：单次返工少了，但一天能推进的项目变多了，加上开始改用更贵、犯错更少的模型，总 Token 消耗不降反升。省了时间，花了更多钱——这正是 算力燃烧率 与成本读法分道扬镳的地方。

第三层：从一个员工到一支军团

前两层里你是个老板，手下只有一个员工：活交给它，干完你检查，检查完再派下一个，一次只能干一件事。第三层你升级成 CEO，手下是一支能分身的团队——像孙悟空拔根汗毛吹口气变出五十个自己。[^1]¹

源脚本给的实例很具体：做一个视频需要三十个场景，传统做法是主 AI 逐个处理（生成图片 → 音频 → 合成视频，做完一个才做下一个），排队要好几个小时；高并发做法是设计一个"专门处理单个场景"的角色，让它自己调用图片/音频/视频合成功能，再把这个角色分成三十个分身，每个领走一个场景编号同时开工——几小时的活几分钟干完。

注意这一步发生的身份变化：已经不是一个人在写代码，而是一个人在管理 AI 军团。

第四层的致命门槛：那条没写的规则

通宵模式听起来理想得不真实：睡前给一个复杂大任务，把规则、判断标准、异常处理方案全交代清楚，让它跑一整夜；早上起来，原本一个团队一周的项目已经做完。但门槛极其锋利——[^1]¹

有次给 AI 布置复杂的视频制作任务，步骤都交代了，唯独漏了一条：某张图片生成失败时该怎么处理。结果凌晨两点 AI 生成了一张问题图片，不知该跳过还是重试，就停在那儿等我。第二天早上一看，三十个场景只做了六个。

由此得出第四层的工程学要求：要让 AI 连续跑十几二十个小时不停、不卡壳、不犯方向性错误，该自主判断时能判断、不该擅自做主时知道守规矩。这就像设计一家真正的公司——每个岗位的职责、汇报流程、决策权限、异常上报机制，都得写进虚拟公司的章程、操作手册甚至宪法里。少一条规则，AI 凌晨就可能在那个地方翻车。

这一要求与 智能体文件 是同一个问题的两种解法：前者说"规则必须穷尽"，后者说"规则必须被持久化成上下文"。

到了第四层，工作节奏完全变了

这样的工程师不是坐那儿敲键盘，而是同时开着好几条 AI 产品线，时间被切成碎片：AI 跑的时候他在思考下一个任务怎么安排，哪条线停了他立刻跳过去给新指令或排除卡点。**他自己几乎不做具体执行，所有精力都花在一件事上：让 AI 不要停。**[^1]¹

为什么这是一次旧跃迁的重演

职场最经典的跃迁是从个人贡献者变成管理者：不再看你自己能干多少活，而看你能带多大团队一起出活。现在同样的跃迁又发生了，只不过你管的不是人，是 AI——团队里没有一个活人，全是智能体。但作为管理者所需的能力本质没变：拆任务、定流程、设边界、处理异常、做资源调度。[^1]¹

推论对非程序员同样成立：这个趋势不会只停在编程领域，任何需要认知能力的岗位，未来都会面临同一个问题——谁能更高效调度 AI，谁就更有价值。[^1]¹

边界

• 并发上限（约 50 分身）、账号额度、模型能力都是 2026 年年中的工程现实，会快速变化；不变的是四层的结构而非其参数。
• "顶级工程师即顶级经理人"是一个有力的类比，但不完全等价：AI 团队没有情绪、忠诚度与职业发展诉求，管理学中关于激励与留存的一大半内容在此不适用。真正被迁移过来的只有任务分解与异常处理那一支。
• 阶梯描述的是能力，不承诺回报。在 智力坎蒂隆效应 的框架里，爬上阶梯是"往注入点方向挪"，这只是买时间，不是终局。

相关页面

• 算力燃烧率 — 阶梯高度的可测量读数
• 智能体文件 — 把工作流规则持久化成 AI 的长期记忆
• 智力坎蒂隆效应 — 调度力即"到注入点的距离"
• 距离即分配 — 本批顶层综合页
• 垃圾代码 — 生成侧成本趋零后，价值迁移到判断与策展

[^1]: Token_烧得最快的人，凭什么最值钱？.md

注释

1. Token_烧得最快的人，凭什么最值钱？ ↩