和不熟悉AI的专家协作，关键在双向补位

2025-10-21 ｜ 清醒生活 / 经验与认知 / AI 与知识拉平 ｜ 约 4分钟

去年，我们为一个大型数据中心编写暖通系统运维手册。我负责技术内容编写，一位有30多年工程经验的老专家负责审核。他开门见山地说：“我不懂AI，但我知道一线运维员半夜值班时，最需要什么。”这篇讲清，和AI不熟练的专家协作，关键不是“教他用AI”，而是“双向补位”。

一个数据中心运维手册的协作经历

起初，我用AI生成了一份“标准模板”：系统原理、控制逻辑、BA系统架构、故障代码表……看起来专业齐全。

但他翻了几页就摇头：“这些内容，运维员培训时都背过。他们真正需要的是——‘凌晨3点冷水机组突然停机，第一步该关哪个阀？第二步怎么判断是不是冷冻水断流？’”

这句话点醒了我。

我们调整了协作方式

我们立刻改变了做法：

• 我用AI快速整理所有设备参数、管路图、控制点表；
• 他口述了20多个真实应急场景，比如“市电中断后柴油发电机启动延迟”“冷却塔风机卡死导致冷凝压力飙升”；
• 我将这些经验转化为“场景→动作→风险提示→联系人”的标准化操作指引；
• 最终手册不再按“技术模块”组织，而是按“典型故障+应急流程”编排，甚至加入了“操作票”式确认步骤。

客户验收时说：“这是近年来最接地气、最敢直接发给值班员用的运维文档。”

关键不在“教他用AI”，而在“帮他把经验变成资产”

这件事让我深刻体会到：和AI不熟练的专家协作，关键不是“教他用AI”，而是“帮他把隐性经验转化为可复用的知识资产”。

专家脑子里那些“凭经验判断”的东西，如果不被结构化地记录下来，会随着人员流动而流失。AI擅长做结构化整理，专家擅长提供一线真知，两者恰好互补。

三个关键动作

具体怎么做？我总结了三个关键动作。

1. 用“他懂的语言”提问

别说“请给我一个prompt”，而是问：

• “上次那个水泵异响，您是怎么凭声音判断是轴承磨损，而不是叶轮不平衡的？”
• “为什么这个电动调节阀必须装在回水管上，而不是供水管？”

2. 让他做“最终裁判”

AI生成的流程、参数、逻辑图，一定要交给他确认：

• “这个重启步骤，在现场真的能操作吗？”
• “这个报警阈值，会不会在夏季高温天频繁误报？”

3. 把他的“口头禅”变成标准条款

比如他说“这阀门必须两人操作，一人开阀、一人看压力”，就写成：“高压蒸汽旁通阀操作须执行双人确认制，纳入安全操作强制条款。”

双向补位：你补信息差，他补现场差

反过来，专家也需要理解：年轻人用AI，不是为了偷懒，而是想更快、更系统地把你的经验固化下来，避免它们随人员流动而流失。

真正的高效协作，从来不是“谁主导谁”，而是：

• 你补他的信息差——帮他用结构化工具表达经验；
• 他补你的现场差——让你的方案真正可执行、可落地。

AI只是桥梁，人才是目的。而最好的技术文档，永远诞生于经验与工具的握手之处。

常见问题

问：专家完全不懂AI，怎么跟他协作？

答：别急着教他用工具。先让他用自己熟悉的方式把经验讲出来，比如具体的故障场景、判断依据、操作口诀，再由你负责用AI把这些经验结构化、成体系。

问：怎么把专家的经验“挖”出来？

答：用他懂的语言提问，问具体场景，而不是要“提示词”。比如“上次水泵异响，您怎么凭声音判断是轴承磨损”，这类问题最容易带出一线真知。

问：AI生成的内容，怎么保证现场可用？

答：让专家做最终裁判。把AI生成的流程、参数、逻辑图交给他确认：“现场真能这么操作吗？”“这个阈值会不会频繁误报？”能过这一关，才算可用。

问：为什么说这是“双向补位”？

答：年轻人补专家的信息差，帮他结构化表达经验；专家补年轻人的现场差，让方案真正可落地。双方各补一块，才能做出好文档。