AI 人机协作怎么落地安防项目？79 岁诺奖得主每天 10 小时用 AI 的四条准则

TL;DR：AI 人机协作的差距不在提示词技巧，而在流程。2013 年诺贝尔化学奖得主迈克尔·莱维特每天投入约 10 小时与 AI 协作、日均提问数百次，靠的是四件事：多模型交叉验证、链式迭代、AI 互审、人机权责划分。这套流程可以整体搬到安防行业：AI 负责初稿、检索与清单生成，人负责参数核验与项目决策。

诺奖得主每天 10 小时泡在 AI 里，究竟在做什么？

莱维特做的事情不是”问答案”，而是把 AI 当成可反复推演的工作伙伴。据《封面新闻》2026 年 10 月 5 日专访《专访诺奖得主迈克尔·莱维特：年近八旬，为何每天花 10 小时和 AI 聊天？》，这位斯坦福大学结构生物学教授每天大约花 10 小时与人工智能打交道，每天向 AI 提出数百个问题。

他解决的问题清单很具体：让 AI 总结大量资料、检查自己写了几十年的程序、把同一问题交给不同模型再比对答案。据《中国新闻周刊》2026 年 9 月 27 日专访，AI 已参与到莱维特接近 90% 的工作中；他曾让 AI 从电脑里汇总 1000 多份文件、覆盖过去 30 年的健康数据，几小时后得到一份总结。

这里有一个容易被忽略的细节：他并不因为 AI 强就交出思考。用他的原话说，不会早上起床对 AI 说一句”替我解决这个问题”，然后去睡觉。方向由人提，验证由人做。

回到安防行业，这个差别就是两种工作状态的分水岭。一种是把 AI 当作临时救急的文案机，写几句方案、改个话术、画张效果图，用完即走；另一种是把 AI 接进项目全流程，从勘测纪要、点位规划、设备选型、清单报价，一直贯通到整改答疑和售后排查。

为什么只用一个模型，很难交出可交付的方案？

单一模型单次输出，是方案类文档出错的首要来源。据 21 世纪经济报道 2026 年 6 月 24 日专访《诺奖得主迈克尔·莱维特：AI 是工具，重新定义”会做事的人”》，莱维特日常同时使用 ChatGPT、DeepSeek、Claude、Gemini 等多款大模型，把同一问题交给它们分别作答，再比较差异。

这个动作的行业含义很直接：模型之间并不总是意见一致，而分歧点往往就是风险点。莱维特的处理方式不是主观挑一个信得过的答案，而是引入第三个模型做中立核验，直到逻辑闭环、数据统一才进入下一步。

放到安防项目里，可复用的对象非常明确。多模型交叉验证的动作可以原样照搬：同一套项目需求分别交给不同模型生成方案与设备清单，交叉核对设备参数、存储带宽计算、国标引用，能挡掉 AI 编造设备型号、虚标参数、引用失效规范这三类高频事故。

AI 幻觉不是个别现象。据新华社 2025 年 9 月 24 日报道《当 AI”一本正经胡说八道”……》引用的清华大学新闻与传播学院沈阳团队 2025 年 2 月《DeepSeek 与 AI 幻觉》报告，市场上多个热门大模型在事实性幻觉评测中的幻觉率超过 19%。同一篇报道引用麦可思研究院《2025 年高校师生 AI 应用及素养研究》，4000 余名受访高校师生中，近八成遇到过 AI 幻觉。

链式迭代提问，比一次性问答强在哪里？

一次性把问题问完，等于只用了 AI 的表层能力。莱维特的 10 小时协作并非连续久坐对话，而是贯穿全天的高频交互，单日数百轮，遵循”提问—输出—复核—质疑—迭代”的闭环。

具体动作用四步就能复刻：先抛出基础问题拿到初始结果；针对答案里的模糊点持续追问；把迭代后的内容交给其他模型复检纠错；反复打磨到贴合严谨标准。在他看来，AI 的价值不是一次性给出完美答案，而是可以承接持续推演。

安防场景的落地写法是把大任务拆成有顺序的小任务。不要让 AI 一次性”写一份园区安防方案”，而是按需求梳理、点位规划、设备选型、网络与存储测算、风险评估、标书章节分步推进，每一步针对上一轮暴露的漏洞继续追问。

AI 互审机制怎么用？让一个模型专门挑另一个的错

AI 审 AI 是这套工作流里复刻成本较低、收益较直接的一环。莱维特会把模型 A 生成的代码、文献总结、建模方案、数据分析结果单独交给模型 B，并下达明确指令：不要附和、不要美化，只找漏洞、列出所有不合理之处。

一款模型负责产出，另一款模型负责挑错，通过互相审查过滤逻辑漏洞、数据错误与表述偏差。相比人工独自审核时的主观疏漏，逐条排查更细致，也更适合长文档。

安防项目的对应做法是角色分工：用模型 A 输出完整项目方案或标书，再交给模型 B 专门审查设备匹配性、是否违反国标、预算漏洞、描述矛盾与技术短板。这个环节排查的是文稿内部的隐性问题，不替代现场核验。

前置规则怎么写，才能挡住 AI 编造？

把约束写在提问之前，比事后逐条挑错省力。莱维特在每次深度协作前都会设定两条硬性前置指令：一是禁止编造任何数据、文献、结论，不确定的内容必须如实标注存疑；二是敢于指出人的错误，不要刻意迎合。

长期规则驯化之后，协作中的 AI 会形成更客观的输出风格，不会为了行文流畅而编造内容。这也解释了一个常见困惑：同样的模型，有人用出专业助手，有人用出废话生成器，差别在使用者有没有把标准说清楚。

安防方案撰写可以在提示词里固定四条约束：禁止编造设备参数；引用现行安防国标并注明标准号；不确定的技术条件标注”待核实”；发现方案不合理之处直接指出，不要顺着需求美化。写进模板后每期复用，比每次口头强调更可靠。

人机权责怎么划分，才不会出交付事故？

边界清晰是这套流程能长期跑下去的前提。即便 90% 的工作由 AI 深度参与，莱维特始终把执行权交给 AI、把决策权留给自己，并且坚持手写笔记，把 AI 产出与自身判断对照复盘。

AI 承担的是海量、重复、可校验的工作：文献精读与整理、数十年科研代码的排查调试、分子建模推演、健康数据汇总、文本打磨与细节纠错。人掌握的是方向制定、问题框架搭建、分歧研判、结论敲定与价值判断。

映射到安防交付：AI 负责初稿撰写、资料检索、参数整理、清单生成；项目需求研判、现场工况评估、商务策略与风险兜底必须由人终审。这条线一旦模糊，交付事故就会从”AI 写错了”变成”没人复核”。

安防四类岗位的 AI 使用边界在哪里？

同一套方法论落到不同岗位，可交出去的部分和必须留下的部分并不相同。莱维特的工作流拆开看，就是一张权责表。

岗位	可以交给 AI 的部分	必须由人终审的部分	主要风险点
安防销售	整理竞品参数、制作项目前期简报、提炼客户痛点与应答话术	客户真实需求判断、预算博弈、现场商务谈判	竞品对比数据未经原厂手册核对
系统集成商	方案初稿、设备清单、网络拓扑草稿、标书素材整理	方案架构、报价策略、项目风险兜底	设备选型、带宽与存储估算未做多模型比对
工程施工	解读安装手册、生成布线说明、整理调试步骤清单	现场工况判断、安全规范落实	复杂点位、供电与防雷接地方案直接照搬
设备运维	检索报错代码、整理故障排查树、生成巡检工单模板	现场硬件测试、远程调试、故障定性	排查步骤未对照原厂固件文档二次校验

把四类岗位的共同要求压缩，就是四条可以直接贴在工位上的准则：多模型交叉核验，规避参数与方案幻觉；链式迭代提问，打磨方案与技术细节；AI 互审查缺，找出标书、图纸与方案里的隐性漏洞；人机权责清晰，技术与商务决策由人掌握。

常见误区与适用边界

误区一：换个更强的模型就不会出错。模型能力的提升并不等于幻觉消失，莱维特的价值不在选了哪个模型，而在用多个模型互相校验。单一模型即使输出流畅，参数与引用仍可能无据可查。

误区二：AI 产出的文档可以直接交付。凡是涉及设备参数、国标合规、工程量计算的文档，都属于必须人工复核的范畴。AI 擅长把初稿铺开，不擅长替项目承担责任。

误区三：交叉核验等于把同一问题问两遍。重复提问得到的往往是同一套错误。有效的做法是让第二个模型带着明确的挑错指令去审查，找矛盾点、找缺失条款，而不只是复述答案。

适用边界：这套 AI 人机协作流程对方案、标书、资料整理、故障排查类工作收益明显，但对现场工况判断、隐蔽工程验收、涉密项目的资料处理并不适用。涉密项目不应将任何项目资料输入外部大模型；现场判断依赖的是仪器实测与工程经验，AI 只能提供排查思路。另外，AI 输出的行业数据需要回溯源文件，本流程不能替代招投标合规审查与设计院出图审核。

AI 人机协作的常见问题有哪些？

---

作者：安全基因-李
安防资深工程师·安防行业的长期主义执行者
20余年防盗报警与物联网安防行业从业经历，SIMP物联网安全云平台核心架构设计者，业务覆盖安防报警、物联网消防、PERS、智能建筑动环监控与周界防护系统。
作者主页：https://www.myiotdevices.cn/?s=安全基因
最后更新：2026-10-08

本文涉及的行业公开信息来自媒体公开报道与官方发布，仅用于技术与管理方法讨论。

参考来源：
1. 诺贝尔奖官网：2013 年诺贝尔化学奖
2. 21 世纪经济报道：诺奖得主迈克尔·莱维特访谈
3. 新华社：当 AI”一本正经胡说八道”……
4. 封面新闻专访（2026-10-05）

延伸阅读：安防企业AI转型为什么越转越亏？毛利率49%的竞业达半年亏7437万