大家好，我是 Azen。
前两篇，我们说清了两件事。
砍柴是一次性执行，放羊是训练能够持续积累的系统。
当 AI 接走越来越多执行工作，人需要把能力往目标、标准、判断、验收和责任上移。
但还有一个问题没有回答：
这里的“羊”，到底是什么？
羊不是某个 AI 工具
AI 是那个越来越会干活的帮工。
那我们到底要养的羊，长什么样？
它是更强的模型吗？
是更聪明的 Agent 吗？
还是某个自动替你干活的系统？
听上去都像，又都不够。
今天用一个模型，明天换一个 Agent 平台，后天再订阅一个新产品。
工具箱越来越满，不代表羊群真的变大。
可以多问一句：每次热闹之后，有没有什么东西真留下来了？
经验、判断、流程和上下文，有没有带到下一次？
如果每换一个工具，过去的经验、流程和上下文就全部归零，那羊还没出现，你仍然只是在换斧头。
真正值得养的“羊”，不是当下最热的名字，而是那些在工具更迭之后还能留下来的东西。
它能复用，能积累，能被校准。
它不会在一次劳动结束时跟着一起清零。
这不等于躺着获得被动收益。
羊需要喂养、校准和淘汰。系统也需要维护。区别只在于，你今天投入的劳动，会给下一次留下东西。
下面这五层，不是完整答案，而是一张最初的地图。
这张地图不是五个并排的盒子，更像是一层层往上长的东西。
最底下是素材与上下文，往上一层是判断标准，再往上才是可复用流程。
流程稳定以后，Agent 协作才有基础。
最后，真正长出来的，是一种能够把你的判断、标准和方法外化出去的能力。
第一层：素材与上下文
个人观点、项目案例、好用的表达、踩过的坑、做过的判断，都属于这一层。
没有积累，每次使用 AI 都要重新介绍自己、重新解释任务、重新寻找材料。
有了持续整理的素材与上下文，AI 才不只是临时帮你完成一次任务，而是在已有积累上继续工作。
判断它是不是一只羊，可以问：
下一次遇到相似问题，我能不能少从零开始一次？
第二层：判断标准
有了素材与上下文，下一层是判断标准。
AI 很擅长生成“看起来完成”的结果。
稀缺的是一套真正属于你的判断标准。
它包括什么叫正确，什么叫可交付，什么风险不能接受，哪些证据仍然缺失。
也包括什么符合你的取舍、审美和价值判断。
这些标准可以是一张检查清单、一组评测用例，也可以是一套项目验收规则。
提示词会随着工具变化，判断标准通常更耐用。
这些标准越稳定，替你工作的系统就越知道，什么样的结果才算真的像你。
第三层：可复用流程
标准稳定以后，才值得把重复工作固化成流程。
单次调用 AI，是完成一个任务。
把一类任务拆成输入、步骤、角色、验证和异常处理，才开始形成流程。
流程的价值不是把一切自动化，而是让重复工作不再每次依赖临场发挥，并且把人的注意力留给关键判断。
只要一件事会反复发生，就值得问一句：
这次完成以后，有没有留下下一次可以直接复用的路径？
第四层：Agent 协作系统
当素材、标准和流程逐渐稳定以后，才适合让多个 Agent 承担不同角色。
有的查资料，有的生成方案，有的执行，有的验证。
Agent 数量不是资产。能够稳定分工、留下记录、暴露失败并接受验收的协作方式，才是资产。
否则，你只是同时养了几只跑得很快、方向却不一定一致的羊。
第五层：代表你工作的 Agent
前四层资产稳定以后，Agent 才有机会继续往上走。
第四层是多个 Agent 按流程分工；这一层是 Agent 开始接住你的判断方式，在特定场景里替你推进、交付，并接受你的验收。
为了说明这种变化，我把它分成三层：
- 能理解任务的 Agent（智能体）
- 能执行流程的 Agent（代理工具）
- 能代表你工作的 Agent（代理人）
智能体只是起点。它能理解任务、调用工具、完成一个步骤。
真正再往前一步的，是让 Agent 接住一类稳定工作，按你的流程持续推进，并在某些场景里，用你的方式做判断、交付结果，接受你的验收。
所以，这一层真正值得积累的，不只是某个 Agent，而是把判断标准和工作方法外化为代理工具的能力。第二篇所说的负责人能力并没有消失：标准和方法可以进入系统，最终判断与责任仍然留在人身上。
工具会换，平台会换。
但如果一个系统越来越懂你的标准，越来越能按你的方式工作，它就开始从外部工具，变成一只真正被你养出来的羊。
先养一只，不要一次搭完整牧场
五层资产摆在一起，很容易又变成一个大工程。
其实不必。
先从今天完成的一项重复工作开始：
- 保存它真正需要的上下文。
- 写下你判断结果好坏的三个标准。
- 留下一条下次可以复用的执行路径。
这已经是最小的放羊系统。
等它反复使用、持续校准，再考虑把其中的步骤交给代理工具，或者扩展成更完整的工作流。
同一个故事的新一层
2022 年，砍柴与放羊讨论的是人与人的交流、协作和建设性。
到了 2026 年，故事里多了一个会干活的帮工。
故事没有失效，只是多了一层解释。
砍柴仍然代表做完即清零的劳动。
放羊则代表那些可以复用、积累、校准，并逐渐形成复利的资产与系统。
投资人纳瓦尔（Naval Ravikant）说过一句相近的话：“最好的工作……是终身学习者在自由市场中的创造性表达。”养羊，说到底就是在做这件事。
你不必停止砍柴。
但要警惕一件事。
《三体III：死神永生》中，“魔戒”说：“把海弄干的鱼在海干前上了陆地……”
留在海里的鱼，问题从来不是游得快不快，而是海本身在消失。
AI 接走越来越多执行工作，就像水位在退。
别等水退下去，才发现自己只会让帮工砍柴。
每砍完一捆柴，都可以问一句：
这次劳动，给我留下了什么可以复用、积累和校准的东西？
那就是你在 AI 时代，最值得先养的羊。
到这里，砍柴与放羊这个小系列就收住了。
再往后，问题会换一层：当这些素材、标准、流程和代理工具真的组合成 Agent 工作流以后，它们该怎样组织、记忆、验收和授权。
那已经不是“多用几个工具”的问题，而是新的工作组织问题。
延伸阅读
- 砍柴人与放羊人都遇到了 AI — 系列第 1 篇，说明什么是放羊。
- 当 AI 比你更会砍柴，你还剩什么价值？ — 系列第 2 篇，说明为什么现在更需要学会放羊。