与AI协作更像领导而非编程：代码具有确定性，而AI的回应不可预测。将AI视为协作伙伴而非编译器更有效。好的领导者会分享背景、解释目标、设定边界并回应反馈，这些习惯同样适用于与AI的工作。

在与AI协作的过程中，我逐渐感受到它更像是一种领导行为，而非单纯的编程工作。过去，代码给我带来确定性：程序严格遵循指令，相同输入必然产生相同输出，否则就是bug。但人并非如此。作为领导者，我布置任务时，可能得到完全符合要求的成果，也可能因为同事理解了我的意图而获得更好的结果，有时还会发现自己的表述并不如想象中清晰。

与AI协作更接近后一种体验。尽管AI运行在软件之上，但它的反应并非完全可预测。同样的请求可能产生不同答案，它可能做出有价值的联想，也可能忽略明显要点，甚至带来我从未考虑过的惊喜方案。当我像对待编译器一样对待AI时，这种不确定性令人沮丧；但当我将其视为一种协作形式时，它反而变得更有价值。

这并不意味着AI具有人格。它没有生活经验、责任感或人类判断力。这里的比较是关于工作方式的：优秀的领导者不只是下达指令，而是分享背景、解释期望成果、设定边界，并对反馈做出回应。同样的习惯也能改善我与AI的协作。好的提示词固然有帮助，但共享的工作语境更为关键。通过示例、修正和可复用的指令，可以减少误解。随着时间的推移，系统会更好地适应我的思维方式和需求。

这种投入并非假装AI具有人性，而是提升自己表达意图的能力。过去我们花了多年时间学习如何精确地告诉计算机做什么，现在还需要解释工作为何重要、好的结果是什么样子，以及哪些地方需要判断。对我而言，这就是转变：AI让软件工作不再像向机器下达命令，而更像通过对话进行领导。技术是新的，但领导力技能并非如此。

根据评论内容，总结如下主要观点及平衡性分析：

观点一：AI协作类似管理/领导工作（支持者） - 多位评论者认为，与LLM/Agent协作需要类似管理人的技能，如任务分解、质量把关、异常处理（评论2、21、22）。 - 关键引用：simonw "managing agents is massively easier than managing humans"；tyleo "You need to direct agents to do work worth doing and then you need to understand the output"。

观点二：AI协作仍是编程/技术工作（反对者） - 部分评论者强调，与AI协作的核心仍是技术思维、架构设计和代码审查，而非管理。 - 关键引用：wewewedxfgdf "My head is in exactly the same place as coding - deep technical connection to the mental model"；cautiouscat "it still feels like coding, I'm just not typing the letters"。

观点三：AI协作带来负面体验（批评者） - 多位评论者描述与AI协作的挫败感：不可预测、规则混乱、产生大量垃圾代码。 - 关键引用：onlyrealcuzzo "It feels like managing an egregious liar who speaks exclusively in corporate psychobabble"；ModernMech "Working with AI feels like dealing with a bureaucracy"。

观点四：AI协作是全新技能（中立/分析者） - 部分评论者认为，AI管理既不同于传统管理也不同于编程，需要新技能。 - 关键引用：miyoji "They think the two are similar, but didn't bother breaking down how they're the same vs where they contrast"；josejux "felt more like code review at a much higher volume"。

平衡性总结： - 支持管理类比者（约30%评论）强调任务分配与质量把控的相似性。 - 反对者（约40%评论）坚持技术思维的核心地位，认为管理类比是"领英式空洞见解"。 - 批评者（约20%评论）聚焦AI的不可靠性和低效产出。 - 中立者（约10%评论）呼吁区分管理人与管理AI的本质差异。