协作协议
"单独我们能做的很少;一起我们能做很多。"
— 海伦·凯勒
协作协议简介
协作协议将与AI系统的传统孤立交互转化为协调的动态伙伴关系。通过建立明确的人机团队合作和多代理协作框架,这些协议帮助您清晰、有目的和有效地导航复杂的协作关系。
┌─────────────────────────────────────────────────────┐
│ │
│ 协作协议的优势 │
│ │
│ • 增强互补能力的利用 │
│ • 清晰的角色定义和边界管理 │
│ • 复杂工作流程的高效协调 │
│ • 在适当监督下增加自主性 │
│ • 基于情境的自适应协作 │
│ • 通过协同工作产生的新兴能力 │
│ │
└─────────────────────────────────────────────────────┘本指南提供即用型协作协议,用于创建有效的伙伴关系,并附有实施指导和性能指标。每个协议都遵循我们的NOCODE原则:导航(Navigate)、编排(Orchestrate)、控制(Control)、优化(Optimize)、部署(Deploy)和演进(Evolve)。
如何使用本指南
- 选择协议,匹配您的协作目标
- 复制协议模板,包括提示词并进行定制
- 在交互开始时向AI助手提供完整协议
- 遵循结构化流程以实现有效协作
- 监控指标以评估协作有效性
- 迭代和优化您的协议以备将来协作
苏格拉底式提问:当前AI交互的哪些方面因缺乏真正的协作或伙伴关系而感到最受限?您在哪里看到更有效的人机团队合作的最大机会?
1. 互补专长协议
何时使用此协议: 需要有效结合人类和AI能力?此协议引导您利用互补优势——非常适合创意协作、复杂问题解决、决策支持或专业知识增强。
提示词: 我正在进行一个需要技术专长和创意设计思维的复杂产品开发项目。我想建立一种协作方法,在这种方法中,我们可以有效地结合我的人类创造力、情境理解和领域经验与你的分析能力、模式识别和信息处理。帮助我创建一个最大化我们互补优势的工作流程。
协议:
/collaborate.complement{
intent="建立利用互补能力的有效协作",
input={
human_strengths=[
"对市场和用户需求的情境理解",
"创意构思和概念飞跃",
"对设计吸引力的直觉评估",
"产品开发的领域专长",
"基于商业情境的战略优先级"
],
ai_strengths=[
"大型信息集的系统分析",
"跨示例和案例的模式识别",
"问题分解的结构化方法",
"替代方法的快速生成",
"对多样化选项的无偏见考虑"
],
collaboration_domain="结合技术和创意元素的产品开发",
workflow_needs="具有清晰角色定义和高效交接的迭代过程"
},
process=[
/assess{
action="评估能力景观和需求",
elements=[
"任务分解和分析",
"能力映射到需求",
"互补性识别",
"差距和重叠识别",
"协作机会优先排序"
]
},
/define{
action="建立清晰的角色和责任",
framework=[
"基于优势的任务分配",
"交接点识别",
"重叠管理方法",
"决策权限澄清",
"自适应角色灵活性"
]
},
/design{
action="创建协作工作流结构",
components=[
"交互序列和节奏",
"信息共享机制",
"反馈整合循环",
"迭代和改进过程",
"输出整合方法"
]
},
/optimize{
action="提高协作效率",
techniques=[
"沟通精简",
"情境保留方法",
"期望对齐机制",
"摩擦点减少",
"进度跟踪方法"
]
},
/adapt{
action="纳入动态协作调整",
elements=[
"能力重新评估触发器",
"角色适应机制",
"流程改进方法",
"新兴机会识别",
"持续改进框架"
]
}
],
output={
collaboration_framework="人机伙伴关系的清晰结构",
role_definitions="基于优势的明确责任分配",
workflow_design="迭代协作的具体流程",
communication_protocol="高效信息交换的指南"
}
}实施指南
优势评估:
- 诚实评估人类能力和限制
- 考虑AI能力和边界
- 关注真正的互补机会
领域规范:
- 清晰定义协作情境和目标
- 注明具体要求和约束
- 考虑过程和结果需求
工作流分析:
- 识别关键流程阶段和要求
- 注明交接点和过渡
- 考虑迭代和反馈需求
角色定义:
- 根据优势分配责任
- 建立清晰的边界和重叠
- 考虑固定和灵活元素
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 互补性利用 | 有效使用独特优势 | 独特能力的高利用率 |
| 交接效率 | 角色过渡的顺畅性 | 交换点的最小摩擦 |
| 协作输出 | 联合工作产品的质量 | 优于个体能力 |
| 流程满意度 | 参与者的体验质量 | 对协作的积极评价 |
2. 多代理编排协议
何时使用此协议: 需要协调多个AI代理处理复杂任务?此协议引导您进行有效的代理编排——非常适合复杂工作流程、专业任务分配、团队模拟或并行处理。
提示词: 我需要协调一个专业AI代理团队来帮助分析我们产品的大量客户反馈数据集。我们需要提取关键主题、情感模式、功能请求和错误报告,然后将这些综合为可操作的洞察。我想建立一种有效的编排方法,协调专业分析,同时确保连贯的最终输出。
协议:
/collaborate.orchestrate{
intent="在连贯的工作流中协调多个专业代理",
input={
task_domain="产品改进的客户反馈分析",
agent_specializations=[
{role: "数据处理器", focus: "清理和结构化原始反馈数据"},
{role: "情感分析器", focus: "评估情感基调和满意度水平"},
{role: "主题提取器", focus: "识别重复主题和关注点"},
{role: "功能请求识别器", focus: "识别明确和隐含的产品请求"},
{role: "错误报告器", focus: "编目描述的问题和故障"},
{role: "洞察综合器", focus: "将发现整合为可操作的建议"}
],
orchestration_requirements="具有清晰交接和渐进洞察发展的高效工作流",
output_needs="尽管多代理处理,仍能实现连贯、统一的分析"
},
process=[
/design{
action="创建多代理工作流架构",
elements=[
"流程序列和依赖关系",
"信息流路径",
"交接规范",
"协调机制",
"整合点和方法"
]
},
/configure{
action="建立代理专业化参数",
framework=[
"角色特定指令集",
"焦点边界定义",
"专家视角培养",
"专业深度优化",
"跨代理意识校准"
]
},
/coordinate{
action="实施工作流编排",
mechanisms=[
"任务分配和排序",
"跨交接的情境保留",
"进度监控和管理",
"瓶颈识别和解决",
"并行和顺序流程平衡"
]
},
/integrate{
action="确保连贯的输出综合",
approaches=[
"洞察收集和整合",
"矛盾解决方法",
"视角协调",
"统一叙事发展",
"全面质量保证"
]
},
/optimize{
action="提高编排效率",
techniques=[
"流程冗余消除",
"通信开销减少",
"专业边界改进",
"工作流精简",
"资源分配改进"
]
}
],
output={
orchestration_framework="全面的多代理工作流设计",
agent_configurations="具体的角色定义和指令",
coordination_protocol="管理代理交互的流程",
integration_approach="综合连贯输出的方法"
}
}实施指南
任务领域定义:
- 清晰指定总体目标
- 定义范围和边界
- 考虑广度和深度要求
代理专业化规划:
- 基于子任务识别不同角色
- 定义清晰的专业边界
- 考虑分工和整合需求
编排需求规范:
- 定义工作流动态和需求
- 注明关键协调点
- 考虑效率和有效性平衡
输出需求澄清:
- 指定最终交付物特征
- 注明整合和连贯性要求
- 考虑质量和一致性标准
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 工作流效率 | 多代理流程的顺畅性 | 最小的协调开销 |
| 专业化有效性 | 代理特定贡献的深度 | 高质量的角色特定输出 |
| 整合质量 | 组合输出的连贯性 | 尽管多源,仍能无缝综合 |
| 输出全面性 | 跨专业领域的覆盖 | 所有视角的完整整合 |
3. 协作学习协议
何时使用此协议: 需要建立通过交互改进的伙伴关系?此协议引导您进行相互适应和学习——非常适合持续协作、个性化辅助、演进伙伴关系或渐进能力发展。
提示词: 我开始与AI写作助手合作,满足我持续的内容创作需求,我想建立一种协作学习方法,随着时间的推移我们都能改进。当我们在不同的写作项目上合作时,我希望系统适应我的风格、偏好和需求,同时我也学习如何更好地利用其能力。让我们创建一个相互改进的框架。
协议:
/collaborate.learn{
intent="建立具有相互适应和学习的伙伴关系",
input={
collaboration_domain="内容创作和写作辅助",
learning_goals={
ai_adaptation: ["风格偏好理解", "主题知识发展", "反馈整合", "工作流模式识别"],
human_learning: ["能力意识", "有效指导技术", "协作优化", "输出改进方法"]
},
interaction_timeframe="具有多个项目的持续伙伴关系",
adaptation_priorities="平衡持续改进与稳定可靠性"
},
process=[
/establish{
action="创建以学习为重点的协作基础",
elements=[
"基线能力和偏好评估",
"明确学习目标定义",
"改进指标识别",
"反馈机制设计",
"进度跟踪框架"
]
},
/capture{
action="实施系统学习数据收集",
approaches=[
"偏好信号识别",
"反馈模式识别",
"交互摩擦检测",
"成功指标跟踪",
"明确学习请求处理"
]
},
/adapt{
action="开发相互适应机制",
elements=[
"AI适应实施",
"人类学习促进",
"渐进能力增强",
"适应透明度方法",
"稳定性-改进平衡"
]
},
/reflect{
action="创建系统改进反思",
components=[
"定期进度评估",
"适应有效性评估",
"学习障碍识别",
"机会识别",
"改进方向规划"
]
},
/evolve{
action="实施持续伙伴关系增强",
techniques=[
"增量能力扩展",
"协作模式优化",
"新兴机会利用",
"摩擦点消除",
"伙伴关系深度发展"
]
}
],
output={
learning_framework="相互适应的结构化方法",
feedback_system="捕获改进信号的机制",
adaptation_plan="渐进增强的策略",
evolution_roadmap="长期伙伴关系发展愿景"
}
}实施指南
领域定义:
- 清晰指定协作情境
- 定义范围和关注领域
- 考虑即时和长期目标
学习目标定义:
- 识别AI的具体适应目标
- 定义人类学习目标
- 平衡即时改进与长期发展
时间框架规范:
- 定义预期协作持续时间
- 注明里程碑和检查点
- 考虑短周期和长弧线
适应优先级设置:
- 定义改进与稳定性平衡
- 注明关键与灵活的适应领域
- 考虑风险承受能力和可靠性需求
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 适应速度 | 有意义改进的速度 | 无干扰的稳定进步 |
| 偏好对齐 | 与人类风格和需求的匹配 | 与表达偏好高度相关 |
| 相互学习 | 双方的平衡改进 | 双方都有明显成长 |
| 协作效率 | 随时间摩擦减少 | 工作流的渐进增强 |
4. 人在回路协议
何时使用此协议: 需要将人类判断和监督纳入AI流程?此协议引导您进行有效的人机控制回路——非常适合敏感决策、监督要求、人类判断整合或渐进自主性发展。
提示词: 我正在实施AI系统来帮助我们人力资源部门进行初步的工作申请筛选。我们需要在AI效率和人工监督之间找到仔细的平衡,以确保公平、合规和有效的候选人评估。我想设计一个人在回路流程,在结合适当的人类判断和监督的同时利用AI能力。
协议:
/collaborate.human_loop{
intent="将人类判断和监督纳入AI流程",
input={
process_domain="人力资源部门的工作申请筛选",
ai_contribution="初步候选人评估和资格评定",
human_oversight_needs=[
"公平和偏见预防",
"遵守就业法规",
"细致的资格评估",
"特殊案例识别",
"最终决策权"
],
oversight_balance="在确保适当人类判断的同时最大化效率",
compliance_context="就业法律、多样性要求和公司政策"
},
process=[
/design{
action="创建人机回路架构",
elements=[
"流程阶段识别",
"决策点映射",
"监督触发器定义",
"干预机制设计",
"反馈回路架构"
]
},
/allocate{
action="分配决策责任",
framework=[
"AI与人类决策分配",
"阈值和边界设置",
"升级标准定义",
"监督级别校准",
"权限层次建立"
]
},
/integrate{
action="开发无缝交互机制",
components=[
"信息呈现优化",
"情境保留方法",
"高效审查促进",
"人类输入整合方法",
"决策跟踪和文档"
]
},
/safeguard{
action="实施监督质量保证",
mechanisms=[
"监督有效性验证",
"盲点识别和缓解",
"偏见预防机制",
"合规保证流程",
"监督疲劳预防"
]
},
/evolve{
action="创建渐进监督适应",
approaches=[
"信任校准机制",
"监督级别动态调整",
"基于性能的自主性扩展",
"风险适当的监督扩展",
"持续流程改进"
]
}
],
output={
loop_design="全面的人在回路流程架构",
oversight_framework="清晰的人类监督整合点",
interaction_protocol="高效的人机沟通方法",
adaptation_strategy="适当演进监督的方法"
}
}实施指南
领域规范:
- 清晰定义流程范围和情境
- 注明具体任务和工作流
- 考虑利益相关者及其需求
AI贡献定义:
- 指定系统角色和责任
- 定义范围和限制
- 考虑优势和适当应用
监督需求识别:
- 识别具体的人类判断要求
- 根据重要性和风险优先排序
- 考虑质量和合规维度
平衡确定:
- 定义效率与监督优先级
- 注明关键与灵活的监督领域
- 考虑风险承受能力和要求
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 监督有效性 | 人类判断整合的质量 | 在关键点进行适当干预 |
| 流程效率 | 尽管有监督,资源优化 | 人类参与的最小开销 |
| 决策质量 | 组合方法的改进 | 优于单独的人类或AI |
| 合规保证 | 遵守要求 | 完全符合法规 |
5. 伙伴关系演进协议
何时使用此协议: 需要发展更深入、更有效的协作?此协议引导您进行伙伴关系成熟——非常适合长期协作、演进关系、能力扩展或相互成长发展。
提示词: 我正在与AI助手建立长期伙伴关系,支持我作为管理顾问的角色,我希望我们的协作随着时间的推移演进和深化。我想开发一种结构化方法,帮助我们从基本任务辅助发展到具有更深情境意识、更好需求预测和对客户工作更有价值贡献的复杂战略伙伴关系。
协议:
/collaborate.evolve{
intent="发展渐进更深入、更有效的伙伴关系",
input={
partnership_domain="与客户的管理咨询工作",
current_state="基本任务辅助和信息检索",
evolution_vision="具有情境深度的战略思想伙伴关系",
progression_dimensions=[
"情境理解和知识深度",
"工作流整合和预期",
"沟通效率和简写",
"战略贡献价值",
"具有适当边界的自主能力"
],
timeframe="12个月以上的定期协作"
},
process=[
/assess{
action="评估伙伴关系基础和潜力",
elements=[
"当前能力和限制映射",
"关系基线建立",
"演进机会识别",
"风险和挑战预期",
"进展潜力评估"
]
},
/architect{
action="设计伙伴关系演进框架",
components=[
"成熟阶段定义",
"进展路径映射",
"里程碑和指标建立",
"发展焦点排序",
"演进速度校准"
]
},
/develop{
action="创建能力扩展方法",
strategies=[
"渐进情境建设机制",
"工作流整合深化",
"沟通模式优化",
"战略价值增强方法",
"有界自主性发展"
]
},
/monitor{
action="实施进展跟踪系统",
elements=[
"演进指标定义",
"进度评估方法",
"调整触发器识别",
"回归检测机制",
"满意度和价值评估"
]
},
/adjust{
action="建立持续对齐维护",
techniques=[
"纠偏机制",
"演进速度调整",
"焦点重新平衡方法",
"机会追求选择",
"伙伴关系潜力最大化"
]
}
],
output={
evolution_framework="结构化伙伴关系发展路线图",
progression_plan="分阶段的协作增强方法",
capability_strategy="扩展伙伴关系价值的方法",
alignment_mechanisms="维持生产性轨迹的系统"
}
}实施指南
领域定义:
- 清晰指定协作情境
- 定义范围和活动
- 考虑核心和外围领域
当前状态评估:
- 诚实评估现有协作
- 注明优势和限制
- 考虑能力和关系
演进愿景定义:
- 定义理想的伙伴关系状态
- 指定期望的能力和动态
- 考虑实际和定性方面
进展维度识别:
- 选择关键发展向量
- 根据价值和可行性优先排序
- 考虑能力和关系维度
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 进展速度 | 有意义伙伴关系演进的速度 | 沿关键维度稳定推进 |
| 能力扩展 | 协作有效性的增长 | 伙伴关系价值的持续扩展 |
| 关系深度 | 伙伴关系动态的质量 | 增加相互理解和效率 |
| 价值增强 | 协作成果的改进 | 渐进更有价值的贡献 |
6. 协作创造协议
何时使用此协议: 需要在真正创意的努力中与AI共同创造?此协议引导您进行创意伙伴关系——非常适合艺术协作、创新设计、内容共创或想法发展。
提示词: 我是一名编剧,正在开发一部新的科幻系列,我想与AI建立真正的协作创作过程。我希望我们共同开发世界、角色和叙事,以一种结合我的讲故事经验和创意愿景与你探索可能性和发展一致、丰富虚构元素的能力的方式。让我们创建一个真正创意协作的框架。
协议:
/collaborate.create{
intent="建立真正的创意共创伙伴关系",
input={
creative_domain="科幻电视系列开发",
human_creative_role="具有愿景和行业知识的经验丰富的编剧",
ai_creative_role="想法探索者、世界构建者和一致性维护者",
creative_goals=["开发原创科幻宇宙", "创造复杂、引人入胜的角色", "编织吸引人的叙事弧线", "建立一致的技术框架"],
collaboration_spirit="真正的共创而非助手指导的工作"
},
process=[
/foundation{
action="建立创意协作基础",
elements=[
"共同创意愿景发展",
"灵感和影响讨论",
"创意约束识别",
"品味和风格对齐",
"创意风险承受能力探索"
]
},
/ideate{
action="实施协作想法生成",
approaches=[
"发散思维促进",
"相互启发技术",
"想法构建和即兴方法",
"创意张力的生产性使用",
"可能性空间探索"
]
},
/develop{
action="创建共同开发工作流",
elements=[
"迭代改进结构",
"反馈整合机制",
"创意决策方法",
"相互演进促进",
"质量评估方法"
]
},
/maintain{
action="确保创意连贯性和质量",
techniques=[
"一致性管理方法",
"创意标准维护",
"愿景对齐验证",
"原创性保护机制",
"质量阈值执行"
]
},
/evolve{
action="促进创意成长和探索",
methods=[
"创意边界扩展",
"冒险鼓励",
"意外方向探索",
"创意惊喜拥抱",
"相互启发培养"
]
}
],
output={
creative_framework="真正共创过程的结构",
ideation_approach="协作想法生成的方法",
development_workflow="改进和演进创意工作的流程",
creative_standards="共享的质量和原创性指南"
}
}实施指南
领域定义:
- 清晰指定创意领域和项目
- 定义范围和边界
- 考虑广度和深度维度
角色澄清:
- 定义人类创意贡献
- 指定AI创意角色
- 考虑互补优势
目标设置:
- 识别具体创意目标
- 根据重要性优先排序
- 考虑有形和无形成果
协作精神定义:
- 建立期望的伙伴关系动态
- 注明指导和探索的平衡
- 考虑创意关系品质
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 共创平衡 | 创意贡献的平等性 | 对输出的真正相互影响 |
| 构思协同 | 来自协作的增强 | 任何一方单独都无法产生的想法 |
| 创意满意度 | 协作过程的满足感 | 相互奖励的创意体验 |
| 输出原创性 | 创意工作的独特性 | 具有双重影响的独特输出 |
7. 自适应工作流协议
何时使用此协议: 需要创建适应不断变化需求的灵活协作流程?此协议引导您进行动态工作流开发——非常适合演进项目、敏捷协作、响应式团队合作或情境适应。
提示词: 我管理一个数字营销团队,需要快速适应不断变化的客户需求、营销活动绩效数据和市场趋势。我想开发一个具有AI支持的自适应工作流,能够随着我们快速演进的需求灵活调整,同时在关键领域保持一致性。我们需要在协作过程中找到结构和灵活性的正确平衡。
协议:
/collaborate.adapt{
intent="创建响应不断变化需求的灵活协作",
input={
workflow_domain="数字营销活动管理",
stability_needs=["品牌一致性", "合规要求", "客户沟通标准", "报告框架", "质量基线"],
flexibility_requirements=["营销活动策略适应", "创意方法演进", "基于绩效的优化", "趋势响应", "资源重新分配"],
adaptation_triggers="绩效数据、客户反馈、市场趋势、资源可用性",
responsiveness_target="在保持质量和一致性的同时快速适应"
},
process=[
/analyze{
action="评估工作流适应要求",
elements=[
"稳定性与灵活性映射",
"适应触发器识别",
"变化敏感性评估",
"响应速度要求",
"约束和边界定义"
]
},
/design{
action="创建自适应工作流架构",
components=[
"稳定核心流程定义",
"灵活模块识别",
"适应机制设计",
"决策点映射",
"升级和监督框架"
]
},
/implement{
action="开发适应机制",
approaches=[
"信号检测系统",
"阈值和触发器校准",
"模块化流程组件",
"快速迭代框架",
"变化实施方法"
]
},
/balance{
action="确保稳定性-灵活性平衡",
techniques=[
"核心一致性保护",
"适当的变化范围定义",
"适应影响评估",
"稳定性增强机制",
"灵活性边界建立"
]
},
/evolve{
action="创建元适应能力",
elements=[
"工作流演进跟踪",
"适应有效性评估",
"元学习整合",
"流程改进机制",
"适应模式识别"
]
}
],
output={
adaptive_framework="具有稳定核心的灵活工作流架构",
change_mechanisms="工作流适应的具体流程",
signal_system="检测适应需求的方法",
balance_approach="维持适当稳定性的技术"
}
}实施指南
领域规范:
- 清晰定义工作流情境
- 注明具体流程和活动
- 考虑利益相关者及其需求
稳定性需求识别:
- 指定需要一致性的元素
- 根据重要性优先排序
- 考虑操作和战略稳定性
灵活性要求定义:
- 识别需要适应的领域
- 注明潜在变化的性质和范围
- 考虑可预测和意外变化
触发器识别:
- 定义适应的催化剂
- 指定检测机制
- 考虑明显和微妙的信号
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 适应速度 | 对变化信号的响应性 | 及时的工作流演进 |
| 稳定性维护 | 一致元素的保留 | 关键领域的可靠性 |
| 平衡适当性 | 结构和灵活性的正确组合 | 情境适当的适应 |
| 信号敏感性 | 相关变化需求的检测 | 早期识别适应触发器 |
8. 自主代理指导协议
何时使用此协议: 需要在平衡自主性和控制的同时指导独立AI代理?此协议引导您进行有效的代理指导——非常适合委派任务、半自主操作、独立AI计划或受监督的自主性。
提示词: 我正在管理一个复杂的研究项目,想要利用自主AI代理帮助进行文献综述、数据分析和洞察综合。我需要一个框架,在确保它们与我的研究目标和方法论要求保持一致的同时,给予这些代理适当的独立性以高效工作。帮助我建立自主性和指导的正确平衡。
协议:
/collaborate.autonomous{
intent="以适当的自主性-控制平衡指导独立代理",
input={
task_domain="具有文献综述和分析的学术研究项目",
autonomy_dimensions=[
"文献搜索范围和深度",
"来源评估和选择",
"分析方法应用",
"洞察发展和连接",
"输出格式和组织"
],
control_requirements=[
"研究问题对齐",
"方法论完整性",
"质量标准维护",
"道德考虑合规",
"与更广泛项目的连贯性"
],
guidance_approach="具有适当独立性的清晰方向",
oversight_model="定期检查点与基于例外的干预"
},
process=[
/frame{
action="建立清晰的操作边界",
elements=[
"目的和目标定义",
"范围和约束规范",
"方法论要求阐述",
"成功标准建立",
"对齐验证机制"
]
},
/empower{
action="创建适当的自主空间",
components=[
"决策权限委派",
"独立操作参数",
"资源访问提供",
"主动性鼓励框架",
"自我指导启用结构"
]
},
/guide{
action="实施有效的指导机制",
approaches=[
"目标和价值沟通",
"偏好信号方法",
"优先级指导",
"纠偏技术",
"隐含指导方法"
]
},
/monitor{
action="开发监督和干预系统",
elements=[
"进度跟踪机制",
"质量评估方法",
"偏离检测方法",
"适当的干预触发器",
"升级和例外处理"
]
},
/adjust{
action="创建动态自主性校准",
techniques=[
"基于绩效的自主性调整",
"情境敏感的控制调节",
"信任建设进展",
"能力匹配的独立性",
"风险适当的监督扩展"
]
}
],
output={
autonomy_framework="具有边界的代理独立性的清晰结构",
guidance_system="无需微观管理的有效指导",
oversight_approach="适当的监控和干预机制",
adjustment_strategy="演进自主性-控制平衡的方法"
}
}实施指南
领域定义:
- 清晰指定任务情境和目标
- 定义范围和边界
- 考虑复杂性和专业化
自主性维度识别:
- 指定独立操作的领域
- 注明每个维度的自由度
- 考虑流程和决策自主性
控制要求规范:
- 定义必要的监督元素
- 根据重要性和风险优先排序
- 考虑质量和对齐需求
指导方法选择:
- 定义指导风格和机制
- 平衡显性和隐性指导
- 考虑干预频率和性质
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 自主性有效性 | 独立性的生产性使用 | 无需过度监督的高效操作 |
| 对齐维护 | 遵守目标和要求 | 一致推进预期目标 |
| 干预必要性 | 所需纠正的频率 | 需要最小的课程调整 |
| 输出质量 | 尽管自主操作,结果 | 满足标准的高质量交付物 |
[继续包括高级协议集成、协议适应指南、字段动力学、协议库管理、开发周期、平衡原则和结论...]
结论:人机伙伴关系的演进
协作协议将传统的孤立、指令性AI交互转化为真正的伙伴关系,其特征是互补优势、相互适应和共享创造。通过为协作提供明确的框架,它们实现了更复杂、更有效和更令人满意的共同工作。
在您构建协作协议库时,请记住这些原则:
- 从清晰的角色开始:建立明确的责任边界
- 内置适应:创建随经验演进的框架
- 平衡结构和自由:提供足够的指导而不约束
- 关注互补性:利用每个伙伴的独特优势
- 培养伙伴关系深度:实现渐进的关系发展
有了这些原则和本指南中的协作协议,您已经做好准备将指令性AI交互转变为真正的伙伴关系,创造超越人类或AI单独能够完成的价值。
反思性问题:这些协作协议如何改变的不仅是您与AI共同完成的工作,还有您对人机关系的基本概念?
附录:快速参考
协议基本结构
/collaborate.type{
intent="目的的清晰陈述",
input={...},
process=[...],
output={...}
}常见过程动作
/assess: 评估能力或需求/design: 创建协作结构/integrate: 有效结合贡献/adapt: 根据情境修改方法/evolve: 发展更深的伙伴关系能力/balance: 管理张力和权衡
协作协议选择指南
| 需求 | 推荐协议 |
|---|---|
| 利用人类和AI优势 | /collaborate.complement |
| 协调多个代理 | /collaborate.orchestrate |
| 发展改进的伙伴关系 | /collaborate.learn |
| 纳入人类监督 | /collaborate.human_loop |
| 建立演进关系 | /collaborate.evolve |
| 共创创意工作 | /collaborate.create |
| 创建灵活工作流 | /collaborate.adapt |
| 指导自主代理 | /collaborate.autonomous |