人跟 AI 輪流做同一件事，為什麼那麼卡？因為你們根本不在同一個工作環境裡

如果你實際用 AI 做過一件需要來回好幾輪的工作，一定有過這種疲憊：每次要它接手，你都得重新解釋一遍現在做到哪裡。這篇論文說，這不是你的用法有問題，是架構的問題。

問題的診斷

論文的觀察是：AI 代理正在演化成長時間運行的計算實體——可以呼叫工具、維持記憶、跨應用程式完成複雜任務。

但在真實情境中，完成一件任務往往需要人與 AI 輪流主導它的執行。而這種輪替，仰賴任務的工作狀態能在人與 AI 之間無縫交接。

問題就出在這裡：現有的代理系統，給了人與 AI 兩個分開的工作環境。

於是只剩兩種笨辦法

論文把現況講得很精準，AI 代理要繼續工作，只能靠額外的橋樑：

• 開發者為特定任務打造介面，讓代理能存取工作狀態
• 或者使用者自己動手，透過截圖或文字描述，把相關的部分手動搬過去

論文對這兩種做法的評價是：都讓交接變得昂貴，而且擴展性很差。

第二種你一定做過

截圖、貼上、再打一段「我們剛剛討論到第三點，現在要處理的是⋯⋯」——這就是論文說的手動搬運工作狀態。

它之所以擴展不了，是因為成本跟任務複雜度成正比：任務越複雜，你要搬的東西越多，而且越容易漏。

他們提出的概念與實作

作者提出人機共處（Human-AI Co-inhabitation）這個工作環境型態——讓人與 AI 能在同一個任務上無縫輪流接續工作——並設計實作了 CrabOS 來實現它。

核心設計是：把工作狀態表示成「人與 AI 共享、以自然語言可讀的文字物件」，讓雙方都能透過同一個可稽核的介面直接存取與操作，不需要任何橋樑。

「自然語言可讀」與「可稽核」這兩個修飾詞是重點——它意味著人隨時看得懂現在的狀態是什麼，也查得到誰改了什麼。

他們宣稱的貢獻

案例研究顯示，CrabOS 把「支援人與 AI 交替主導的複雜任務」這件事，從依賴橋樑的應用層解法，提升為作業系統層級的原生能力，為開發與運行 AI 代理提供新的基礎。

我讀完的感想

這篇的價值在於它把一個大家天天在忍受的摩擦，講成了一個結構問題。

多數人遇到「AI 接手很卡」的時候，會歸因於提示詞寫得不好、或模型記性不好。這篇指出真正的原因：你們不在同一個工作環境裡，所以每次交接都要搬家。

我特別欣賞「自然語言可讀的文字物件」這個設計選擇。它沒有發明新的資料格式，而是用人本來就看得懂的東西當共享狀態——這讓人不需要為了跟 AI 協作而學一套新語言。

對台灣企業的意義

一、如果你的團隊抱怨「用 AI 還比較慢」，先檢查交接成本。很可能不是 AI 不好用，而是每輪都要重新描述狀態的成本吃掉了所有效益。

二、把工作狀態寫成人看得懂的文字，這件事現在就能做。不必等任何作業系統。用一份結構固定的共用文件記錄「目前進度、已確認事項、待處理問題」，人與 AI 都讀同一份，交接成本會立刻下降。

而一旦協作對象換成其他組織的代理，可稽核的共享介面就從加分項變成前提。

三、「可稽核」在有合規需求的產業是硬條件。如果人與 AI 輪流改同一份東西卻查不出誰改了什麼，那在稽核上是不能用的。

現在可以怎麼準備

• 量一次交接成本。挑一個實際任務，記錄「重新描述現況」花了多少時間。多數人量完會嚇一跳。
• 建立一份固定格式的狀態文件。欄位越少越好：現在做到哪、已確認什麼、卡在哪。每輪開始前先更新它。
• 不要用截圖交接。截圖無法被搜尋、無法被引用、也無法被稽核。同樣的內容用文字寫，成本差不多，但可重用性差很多。

可行的解決方案

不需要等 CrabOS 這類系統成熟。這篇真正的啟示是一個工作習慣：讓人與 AI 共用同一份、人看得懂的狀態記錄。

這件事用現成的共用文件就能做，零成本，而且它累積下來的東西，未來導入任何工具時都是現成素材——這一點跟 WikiSkill 那篇的結論是一致的。

需要保留的懷疑

這是 arXiv 預印本，在本文寫作時尚無同儕審查紀錄。

• 驗證方式是案例研究，不是對照實驗。摘要用的是「case studies show」，沒有與既有做法的量化比較。
• 摘要未提供任何效益數字。交接成本降低多少、任務完成率提升多少，都沒有。
• 「作業系統層級」是作者的定位主張。它與既有作業系統的關係、以及實際部署難度，摘要未交代。
• 把工作狀態表示為自然語言文字物件，可能有其代價。例如結構化資料的精確性、大型狀態的效能，摘要未討論這些取捨。

常見問題

什麼是「工作狀態」？跟對話歷史有什麼不同？

對話歷史是「說過哪些話」，工作狀態是「這件事現在的實際進展」——已完成什麼、確認了哪些決定、還卡在哪裡。兩者差別很大：對話歷史會越積越長且充滿雜訊，工作狀態則應該是被持續更新、維持精簡的。多數協作卡住是因為只有前者、沒有後者。

我們公司沒有工程能力，這篇有實用價值嗎？

有，而且是立刻可用的。論文的核心洞察不需要任何系統就能套用：讓人與 AI 共用同一份人看得懂的狀態記錄。用一份欄位固定的共用文件即可開始，重點在於每輪開始前先更新它，而不是靠記憶或截圖重述。

為什麼強調「可稽核」這麼重要？

因為當人與 AI 輪流修改同一份內容時，如果事後查不出某個決定是誰做的、何時改的，在有查核義務的產業就無法使用。這也是為什麼用文字而非截圖交接更好——文字可被版本控管、可被搜尋、可被引用。

本文出處　Qi Yang、Yun Ma，"CrabOS: An Operating System for Human-AI Co-inhabitation"，arXiv:2608.28165，2026 年 8 月 28 日投稿。本文為中文編譯與評論，原始論點著作權屬原作者所有。

圖片出處　Photo: Jan van der Wolf / Pexels（免費授權）。

團隊覺得「用 AI 還比較慢」？

甫東科技的 AI 導入內訓會直接處理這個問題：量出交接成本在哪裡、建立團隊共用的狀態格式，並帶著實際跑一輪。課程結束時你手上是可以繼續使用的流程，不是一疊講義。

前往甫東科技官網洽談 →