知识生产的新范式：从“人写作”到“系统写作”

“专家在书房里写作”是旧范式的典型图景：几十年积累，换来少量经过反复打磨的作品。它的珍贵之处，是经验、表达与责任紧密相连；它的限制，则是研究进度被同一个人的时间串联起来。查资料、比较、思考、写作、检查，都在争夺一份注意力。AI带来的变化，应当放在这个历史连续性里理解：更多原本必须由人逐步推进的认知任务，如今可以交给能够调用工具、依据反馈调整路径的系统。

系统写作的基本单位，是一条可以追溯的研究过程：问题进入，证据汇集，假说竞争，验证发生，结论形成，行动提供新反馈，规则随之修订。文章是这条过程面向读者的表达，也是供下一轮研究调用的记录。这套系统必须有决策闸门。闸门是能够阻止流程继续的规则：关键来源缺失，退回取证；只有推测支撑，降低结论强度；涉及超出授权的承诺，交给人裁决；现实结果推翻判断，更新规则并保留旧版本。证据不足时，系统也应当产出“尚不能判断”。

软件范式首先发生位移：从主要写代码，转向更多地写prompt、规格与决策规则。过去必须预先规定大量步骤，现在可以让模型在边界内选择路径。运维范式随之变化：从人持续值班处理每个异常，转向AI在授权范围内恢复，人监督整个运行过程。组织范式也由此转向“一人公司＋AI员工”。这里的AI员工，是带有任务、权限、记忆与交付标准的执行角色。检索、分析、编辑、审查可以并行，最终负责的人保持目标与价值排序的一致性。

随之改变的是有价值知识的形态。在面向经营和工程决策时，可执行的知识往往比仅仅可读的知识更有复用价值。“客户愿意为可靠性付费”是一句可读的判断。进一步说明适用于哪类客户、可靠性如何度量、什么证据支持、何时调整报价、何时停止承诺，它就成为能够影响行动的知识。资产的重心因此从文档数量转向决策模型。这里的决策模型，是一套连接情境、证据、选项、阈值与结果的规则，而不只是模型权重。它告诉系统何时采取什么行动，也说明何时停止适用。

经济学上的稀缺性，则越来越集中到注意力。西蒙在1971年就指出，信息丰富会造成注意力匮乏。今天，AI让这个问题进入生产端：创始人可以廉价获得更多材料，却无法同步增加认真判断它们的能力。设想两个流程：一个每天生成十篇报告，需要人复核三小时；另一个每天只交付两份结论，需要复核二十分钟，而且同样能支持关键决策。产量会奖励前者，注意力预算可能选择后者。OPC的竞争优势，在于特定领域中更短的决策路径，以及改变工作方式时较少的内部阻力。