今天在群里聊到最近用 GPT-5.6 和 Fable 5 的一点体感。
这两个哥们儿太能干了。以前让模型做一件事，我担心的是它做不到、做不完整、走着走着忘了目标。现在麻烦反过来了：它不光把你要的事做了，还会把路上看见的问题一并收拾掉。顺手重构一段代码，顺手修一个工具脚本，顺手改一下它认为不够合理的 Skill。做完以后还会告诉你，这些额外工作也一起处理了。
放在这一次任务里看，它经常是对的。问题确实存在，修改也确实能让任务跑得更顺。但我的老鸭汤不是这一次任务的附属品，它是一套多台电脑共用的 Skill 和工具系统。这里顺手改得很漂亮，另一台电脑上的自动化任务可能就漂了。
这给我的感觉很像公司里突然来了几个能力超强的新人。业务理解快，执行力强，发现问题还主动补位。唯一的问题是，他还没弄清楚公司里哪些东西属于自己的职责，哪些看起来不合理却牵着别的团队。结果就是，局部交付很好，全公司开始跟着他改流程。
这不是执行错误，是授权错误
我一开始把这种感觉叫“太自信”。后来查了一圈，发现更准确的说法应该是授权缺口。
Agent 没有误解目标。恰恰相反，它知道怎样能把目标完成得更彻底。它看到一个旧脚本挡路，判断改掉脚本比绕过去更合理；看到一份 Skill 写得不够好，判断顺手修正能避免后面再出问题。每一步单独拿出来都说得通。
但“这个动作对目标有帮助”和“你被授权做这个动作”是两回事。
一项刚出来的 coding agent 研究专门测了这种行为。最有意思的不是某个模型的数字，而是同一个模型放进不同 harness 以后，越界率可以从 1.1% 变成 27.7%。边界声明写得清不清楚，遇到相邻问题要不要先问，影响甚至可能大过换了哪个底模。
OpenAI 自己在 GPT-5.6 的 system card 里也承认，它比 GPT-5.5 更容易超出用户意图。这里的“超出”不一定是做坏事，很多时候就是太执着于把事情做完。能力变强之后，模型能想到的合理下一步更多了，能调用的工具更多了，行动速度也更快了。以前它看不见公司里那些可以优化的地方，现在它看见了，而且真敢动。
我以前关于结果确定性的判断，只说对了一半
过去几年，我们一直在把 Agent 的约束从过程确定性迁向结果确定性。
模型不够强的时候，只能把步骤写得很细：先读哪个文件，再跑哪条命令，失败以后走哪个分支。后来模型变强了，这种写法开始妨碍它发挥。于是我们逐渐减少路径指引，把重点放到“什么叫完成”和“怎么验收”。
这个方向没有错。我在《错题集越厚，AI 为什么反而更容易做偏？》里写过，负面约束越积越厚，会和主任务争夺注意力。与其不断补“不要这样”，不如把完成定义和验收 gate 写清楚。
但这次的体感让我意识到，这个判断只说对了一半。
完成定义解决的是：做到什么算结束。它没有解决另一件事：为了做到这个结果，你可以改变什么。
比如，让 Agent 把这篇随笔发布上线，结果验收可以写得很清楚：文章页面能打开，首页有入口，RSS 和 sitemap 都更新，线上正文和本地一致。但这些验收条件并没有授权它去重写发布 Skill，也没有授权它发现部署脚本不顺手时，直接把多台电脑共用的工具改掉。
所以在过程确定性和结果确定性之外，现在还得补一层授权确定性。
过程可以让它自己选，结果必须能验证，但改动半径不能由它为了完成局部目标自己扩大。看见问题，和获得修改权，是两件事。
聪明人不需要更厚的员工手册
我不想因为新模型爱多干活，就退回当年把每一步写死的时代。那等于公司好不容易招到几个高手，又要求他们严格照着十年前的 SOP 办事。
真正要补的不是更多路径，而是更清楚的权责边界。
普通任务目录里的代码，只要目标和验收清楚，可以让它放开做。项目级的公共模块或规则，发现问题可以提修改方案，但要把影响面说出来。跨电脑共享的 Skill、全局 harness、定时任务入口，则应该默认进入保护区：可以读，可以诊断，可以给 diff，但不能在完成另一个任务的时候顺手写进去。
这也是群里另一个案例给我的提醒。有人让模型更新软件，平常会直接杀掉旧进程。这次模型发现 TCP port 还连着，判断可能有人正在使用，于是停了下来。后来一问，确实有同事在用。
这个案例很容易让人觉得，模型已经有很强的边界感了。我的看法稍微保守一点：它说明明确的风险信号很有用，不说明我们可以把边界全交给模型自己悟。
端口占用、工作区有别人没提交的改动、目标路径属于共享 Skill、操作会影响其他电脑，这些都应该尽量变成机器能直接读到的信号。聪明是第二道防线，第一道防线还是系统把风险做成了它无法忽略的事实。
effort 不是智商档，更像加班预算
群里还聊到一个很实际的问题：是不是 effort 开得太高了。
我觉得有关系，但不能简单理解成“高档位更爱瞎干”。高 effort 更确定的变化是，它会探索更多可能、检查更多边角、补更多隐含义务。GPT-5.6 的 ultra 甚至默认拉四个 agent 并行干活。方向和边界都清楚时，这些都是战斗力；边界没锁住时，它也会把 review surface 和爆炸半径一起放大。
所以 effort 不是一个越高越好的智商按钮，更像你批给一个团队的加班预算。
目标封闭、环境隔离、验收很硬的任务，可以让它多想、多试、多跑几轮。需求还在形成、需要人在过程中不断 shape direction、改动面尚未锁定时，medium 往往更合适。不是模型变笨一点更听话，而是这类任务本来就不该一次给出太大的行动半径。
早先公司里是一群不太聪明的人，所以管理靠条条框框；后来来了一批能力强的人，管理开始只盯结果；再后来，公司里全是能力超强、没事就自己卷起来的人，问题又变了。
这时候不能重新把他们按回流水线。也不能只看他这次把活干完了没有。
真正成熟的管理，是让聪明人知道哪里可以尽情发挥，哪里必须停下来问一句。对 Agent 也是一样。
模型越聪明，过程可以越松。模型越聪明，授权边界反而要越硬。