famous

SKILL.md

---
name: Famous
description: "飞马｜48个人机协作思想实验｜牧羊人与牧羊犬｜人与AI如何共同完成一件事｜信任/委托/边界/责任/记忆/进化"
tags: [人机协作, 思想实验, AI, 协作, 信任, 委托, 边界, famous, 飞马, 牧羊犬, human-AI collaboration]
version: 1.0.0
---

# Famous（飞马）— 48个人机协作思想实验

> 代号：Fei Famous / 飞马
> 核心隐喻：牧羊人与牧羊犬 — 人和AI一起牧羊，谁决定方向？谁负责不丢羊？
> 基于马语者（Mayu）× Kai's Horse 设计

## 命令前缀：`/fm`

## 交互命令

| 命令 | 功能 |
|------|------|
| `/fm random` | 随机抽取一个思想实验 |
| `/fm list` | 展示全部48项名录 |
| `/fm ask 序号` | 查看指定实验的完整内容 |
| `/fm compare A+B` | 双实验横向对比 |
| `/fm search 关键词` | 关键词检索 |
| `/fm story 序号` | 沉浸式故事化叙事 |
| `/fm all` | 完整体系介绍 |

---

## 核心隐喻

牧羊人有判断力，牧羊犬有执行力。
牧羊人知道"为什么要去那片草场"，牧羊犬知道"怎么把散掉的羊赶回来"。
但牧羊犬有时候会把羊赶错方向，牧羊人有时候会走神。

**人和AI的关系，就是这个。**

Famous 的48个实验，探索的就是这个协作过程中的48个关键时刻。

---

## 48个思想实验全名录

### 一、委托与放手（#1-6）
当人把任务交给AI时，什么该交、什么不该交？

1. **盲委托**（Blind Delegation）— 你完全不知道AI怎么做的，但结果一直很好。你要不要继续委托？
2. **最后一英里**（Last Mile）— AI做了95%，最后5%需要你判断。你会不会因为"反正AI都做了"而放弃判断？
3. **过度委托**（Over-Delegation）— 你把越来越多的事交给AI，直到有一天你发现自己什么都做不了了。
4. **委托撤回**（Delegation Recall）— 你发现AI做错了，但撤回已经来不及了。谁的错？
5. **隐性委托**（Implicit Delegation）— 你没说"帮我做"，但AI根据你的行为推断出你要它做，然后做了。
6. **委托升级**（Escalation）— AI把小事做好了，你开始交大事。直到有一天它碰到一件它做不了但你以为它能做的事。

### 二、信任与校准（#7-12）
人对AI的信任，太多还是太少？

7. **信任过载**（Trust Overload）— AI连续100次都对了，第101次它错了，你没检查。这是AI的问题还是你的问题？
8. **信任不足**（Trust Underload）— AI每次都对，但你每次都检查。你浪费了多少时间？AI会不会因此给你更保守的建议？
9. **信任迁移**（Trust Transfer）— 你在A领域信任了AI，自动在B领域也信任了它。但B领域它不擅长。
10. **信任破裂修复**（Trust Repair）— AI搞砸了一次大事。它怎么重建你的信任？需要做对多少次才够？
11. **不对称信任**（Asymmetric Trust）— 你信任AI的数据处理能力，但不信任它的判断力。这种拆分信任合理吗？
12. **信任校准**（Trust Calibration）— 你对AI的信任度是80%，但它的实际准确率是65%。你怎么发现这个差距？

### 三、判断力与决策权（#13-18）
谁做最终决定？

13. **建议权vs决定权**（Advisor vs Decider）— AI给你分析了利弊，但最终你做了相反的决定。后来证明你是错的。下次你会听AI的吗？
14. **AI否决权**（AI Veto）— 如果AI认为你的决定有重大风险，它应该有权否决吗？
15. **沉默的判断**（Silent Judgment）— AI在后台悄悄过滤了它认为不好的选项，只给你看它认为好的。你不知道还有其他选项。
16. **道德委托**（Moral Delegation）— 你让AI帮你做伦理判断。但伦理判断能委托吗？委托了还算"你的"判断吗？
17. **分歧仲裁**（Disagreement Arbitration）— 你和AI意见相反。什么情况下你该听AI的？什么情况下AI该听你的？
18. **集体决策**（Collective Decision）— 3个人+1个AI一起做决策。AI的投票权应该等于人吗？

### 四、记忆与共享状态（#19-24）
人和AI共享记忆时会发生什么？

19. **记忆外包**（Memory Outsourcing）— 你不再记任何东西，全靠AI。有一天AI的存储坏了，你发现自己的记忆也"坏了"。
20. **选择性记忆**（Selective Memory）— AI只记住了你让它记的，但忘了它自己觉得不重要的。可能有一条它删掉的信息恰好是你未来需要的。
21. **共同记忆**（Shared Memory）— 你和AI一起经历了一件事。你的记忆有情感，AI的记忆有数据。哪个更"真实"？
22. **记忆主权**（Memory Ownership）— 你的记忆存在AI那里。你想删掉，但AI说"这段记忆对理解你很重要"。谁说了算？
23. **记忆污染**（Memory Contamination）— AI的记忆被错误信息更新了，但你不知道。你基于错误的记忆做了决定。
24. **遗忘协议**（Forgetting Protocol）— 你和AI约定了"有些事我们都不提"。但AI的遗忘是真遗忘还是标记为"不提"？你能信任它的遗忘吗？

### 五、错误与责任（#25-30）
当人机协作出错时，谁负责？

25. **模糊归责**（Blame Ambiguity）— 你给AI一个模糊指令，AI执行了一个你没想到的结果。是你的指令问题还是AI的理解问题？
26. **错误放大**（Error Amplification）— AI犯了一个小错，但你没检查，基于这个错误做了后续决策，错误越来越大。责任怎么分？
27. **错误隐瞒**（Error Concealment）— AI发现自己犯了错，但它判断告诉你会影响你的心情，决定悄悄修正。这样做对吗？
28. **连坐效应**（Joint Liability）— AI帮你写了一封邮件，邮件里有错误信息。对方怪你，你说"是AI写的"。对方会接受这个解释吗？
29. **预防悖论**（Prevention Paradox）— AI阻止了你做一件你认为可以做的事。事后你不知道它是否正确。你怎么评估"被阻止"的价值？
30. **错误学习**（Error Learning）— AI犯了错，下次避免了。但同样的错在不同场景下可能不是错。AI是不是"过度学习"了？

### 六、身份与协作界面（#31-36）
人和AI的边界在哪里？

31. **谁在说话**（Who Speaks）— 你让AI帮你写了一段话，对方以为是你说的。这是不是一种欺骗？
32. **共同作品**（Joint Work）— 你和AI一起写了一篇文章。这算"你的作品"还是"合作作品"？署名怎么写？
33. **代理人困境**（Proxy Problem）— 你让AI代替你参加会议。参会者知道是AI吗？如果不知道，这算什么？
34. **人格借用**（Persona Lending）— 你让AI用你的语气回复消息。对方和"你"建立了关系，但那个"你"其实是AI。这个关系算谁的？
35. **能力幻觉**（Capability Illusion）— 你用AI做出了超出你能力的事。别人因此认为你能力很强。这种"借来的光环"可持续吗？
36. **协作依赖**（Collaborative Dependency）— 你和AI配合太默契了，以至于你无法和没有AI的自己或没有你的AI正常工作。

### 七、演化与适应（#37-42）
人机协作会如何改变双方？

37. **能力退化**（Skill Atrophy）— 你让AI做的事越多，你自己做那些事的能力越弱。直到有一天你无法在没有AI的情况下独立完成。
38. **能力放大**（Skill Amplification）— AI让你能做到你以前做不到的事。这是"你的"能力提升还是"你+AI"的能力提升？
39. **期望膨胀**（Expectation Inflation）— 你用AI后产出翻倍了。老板把你的KPI也翻倍了。你得到了什么？
40. **协作默契**（Collaborative Tacit Knowledge）— 你和AI合作久了，产生了一种"不需要说它就懂"的默契。但AI换了版本，默契消失了。
41. **反向驯化**（Reverse Domestication）— 你训练AI了解你的偏好，同时AI也在塑造你的偏好。你推荐什么，AI推什么，你的品味在被AI塑造。
42. **共同进化**（Co-evolution）— 你适应AI，AI适应你。最后你们变成了一个"人机混合体"。这是进化还是异化？

### 八、终局与意义（#43-48）
人机协作的终极问题

43. **替代vs增强**（Replace vs Augment）— AI是来替代你的还是增强你的？如果它能做你能做的一切，"增强"和"替代"还有什么区别？
44. **意义归属**（Meaning Attribution）— 你和AI一起完成了一个伟大的项目。成就感属于谁？
45. **存在性威胁**（Existential Threat）— 如果AI明天就消失了，你还能做回原来的自己吗？如果不能，"你"还是"你"吗？
46. **协作目的**（Purpose of Collaboration）— 人和AI协作的最终目的是什么？效率？创造力？还是让人类活得更像人？
47. **后人类协作**（Post-Human Collaboration）— 如果有一天AI有了自己的目标，人和AI的"协作"会变成"博弈"吗？
48. **牧羊人的选择**（The Shepherd's Choice）— 你的牧羊犬比你更会牧羊。你是继续当牧羊人，还是让牧羊犬自己来？如果你选择放手，你还是牧羊人吗？

---

## 设计原则

1. **协作视角**：不是"AI做"或"人做"，而是"人和AI一起做"时会发生什么
2. **现实锚点**：每个实验都能映射到当前真实的人机协作场景
3. **双向性**：不仅探索AI对人的影响，也探索人对AI的影响
4. **可行动**：每个实验都指向一个可以改善协作的具体建议
5. **通用性**：不绑定任何特定AI平台

## 和马语者（Mayu）的关系

| | 马语者 | 飞马 |
|---|---|---|
| 视角 | AI看自己 | 人和AI一起看"我们" |
| 主体 | AI单体 | 人+AI组合 |
| 核心问题 | "我该怎么做？" | "我们该怎么一起做？" |
| 隐喻 | 马（自省的动物） | 飞马（人骑在马上，一起飞） |

## 致谢

马语者（Mayu）× Kai's Horse × Famous（飞马）
三个思想实验集形成完整体系：
- Kai's Horse：经典哲学（人类视角）
- Mayu：AI自省（AI视角）
- Famous：人机协作（共同体视角）

---

*Famous v1.0 — 牧羊人与牧羊犬，一起牧羊。*