工具越强，越考验谁来定方向
这两年，很多人学习 AI 的方式很像在追一张不断更新的工具清单。今天学提示词，明天学自动剪辑，后天又换成 agent、MCP、workflow。每一个新工具刚出来时都像入口，过一段时间又变成基础设施。
我最初看到 Dan Koe 反复提到 agency 这个词时，并没有太强的感觉。它翻译成中文大概是主动性。听起来很正确，也很容易滑向空话。但把它放到 AI 时代看，这个词开始变得具体。
因为 AI 正在降低几乎所有“执行动作”的门槛：写一段代码、生成一张图、剪一个视频、整理一份资料、搭一个简单页面。这些动作以前需要学习曲线，现在更像可以被调用的能力。问题随之移动了。差距不再主要出现在“会不会操作”，而会出现在“谁能提出值得操作的问题，谁能把模糊想法推进成结果”。
被动背后的控制感缺口
我们通常把拖延、逃避、等别人安排，理解成性格或意志力问题。这个解释有时方便，但不够精确。
Seligman 和 Maier 关于习得性无助的研究后来出现过一次重要修正。早期版本更强调“无助是学来的”；到 2016 年，他们在《Psychological Review》发表的回顾文章里，把重点推向另一个方向：在持续压力下，动物的被动反应更像默认反应；真正需要被学会的是控制感。神经机制里，前额叶对压力反应系统的调节，会决定个体是否能从“承受”切换到“行动”。
这个说法对我有启发。很多人知道应该开始，也具备一点基础能力，只是缺少反复体验过的控制感：我采取一个动作，环境会发生可感知的变化。如果这种经验太少，大脑就会习惯等待外部指令。久而久之，生活会变成一套响应系统：别人给任务，你完成；平台给趋势，你追随；公司给路径，你晋升；算法给热点，你模仿。
能动性更接近一种可训练的控制经验：我能定义一个问题，我能选择一个动作，我能观察反馈，我能根据反馈调整下一步。
AI 会放大主动者，也会放大旁观者
AI 更真实的风险，是让被动的人更容易获得“我在行动”的幻觉。
你可以让 AI 生成一份计划，看起来很完整；让 AI 写十个选题，看起来很勤奋；让 AI 搭一个流程，看起来很系统。但如果你没有自己的判断标准，这些输出很快会堆成一层漂亮的噪音。你会拥有更多材料，却没有更强的方向感。
反过来，有主动性的人会被 AI 放大得很快。原因很简单：他们原本就有问题、有方向、有反馈循环。AI 只是把中间执行成本压低了。以前一个想法从草稿到页面可能要花几天，现在几个小时就能看到雏形；以前做一次市场验证要找人、写文案、搭页面，现在可以先用 AI 生成最小版本去测试。
所以 AI 时代的分水岭，会落在你有没有一个能持续产生问题、判断和实验的系统。
内容领域已经能看到这个变化。Ahrefs 2025 年分析了 60 万个网页，发现排名靠前的页面里，完全由 AI 生成的只占很小比例；更常见的是人和 AI 混合完成。Axios 引用 Graphite 的研究也提到，ChatGPT 和 Perplexity 引用的文章中，多数仍然来自人写内容。Gartner 在 2025 年的消费者调查里还发现，很多用户对 AI 搜索结果保持不信任。
这些数据放在一起看，不支持粗暴地排斥 AI。更合理的判断是：纯自动化输出很难单独建立信任。AI 可以参与生产，但方向、经验、判断、取舍，仍然需要一个有主体性的人来承担。
主动性具体表现在哪里
我现在更愿意把 agency 拆成四个动作，避免它停留在抽象品质上。
第一，主动定义问题。被动的人通常从别人给的任务开始；主动的人会先问，这个任务背后的真实问题是什么。如果问题定义错了，执行越快，偏得越远。
第二，主动缩小行动。很多人不开始，是因为目标太大，第一步太模糊。主动性不需要一口气做大事，它更像把一个大目标压成今天能执行的十分钟动作。
第三，主动制造反馈。只在脑子里想，判断不会更新。发出去、问别人、做小样、跑一次真实场景，反馈才会出现。反馈越早，纠偏成本越低。
第四，主动承担选择代价。所有方向选择都会排开另一些可能性。如果一个人什么都想要，最后通常只是被默认路径带着走。主动性包含一个很不舒服的部分：承认自己不能同时走所有路。
这种感觉一旦出现，它会迁移。你在写作里练出的控制感，会影响工作；你在项目里练出的控制感，会影响学习；你在一个小闭环里证明自己可以推动现实，大脑下次面对困难时，就更不容易直接进入等待和放弃。
- 作者:Vemperor
- 链接:https://tangly1024.com/article/agency-ai-active-loop
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
