前两章建立了「能力分层」和「能力声明」，这一章处理选任务之前的问题：一个具体任务，到底该交给 AI、规则代码，还是人工？ 拍脑袋的后果很常见——把「该用规则」的任务塞给 AI（又贵又飘），把「该让 AI 做」的任务硬写成规则（维护到崩溃）。
三个判断维度（先于一切技术讨论）
- 可靠性要求：这个任务答错了，代价是什么？（推荐语错了无所谓 vs 退款金额错了要赔钱）
- 容错空间：允许「概率性正确」吗？能接受偶尔错、但可被发现和纠正吗？
- 责任归属：错了谁来负责？责任能不能落到人（AI 没法背锅，上一章讲过）？
三个维度组合，任务自然分成四类：
| 类别 | 特征 | 归属 |
|---|---|---|
| 规则任务 | 输入有限、规则明确（金额计算、状态判断） | 代码：快、免费、100% 可测 |
| 辅助任务 | 需要理解，但错了可纠正、有人兜底（摘要草稿、初稿生成） | AI 辅助人：AI 出初稿，人确认 |
| 智能任务 | 需要理解 + 容错有限（复杂问答、内容生成交付） | AI 为主 + 护栏：声明表 + 度量 + 降级 |
| 责任任务 | 错不起、责任重（财务、法律、医疗结论） | 人做决定：AI 只整理材料 |
心法：AI 的生态位是「语言/图像类理解」——凡是不需要理解的任务，先问代码；凡是错不起的任务，先问人工。 用代码和人工把两头守住，AI 只在中间那段发光。
决策树（拿来就能用）
任务的输入是可穷举的规则吗？
├─ 是 → 代码（正则/查表/状态机），别碰 AI
└─ 否 → 答错的代价是什么？
├─ 不可接受 → 人能兜底吗？
│ ├─ 能 → AI 辅助人（出稿/建议，人确认）
│ └─ 不能 → 别上 AI（责任任务）
└─ 可接受或可发现 → AI 为主 + 护栏（引用/拒绝/降级）
分流之后：别让「边界」在系统里消失
分流是设计时的决定，但用户不按设计走——系统运行时要有第二次分流：
- 输入侧：能走规则的先走规则（命中规则直接返回，不调模型——省一半成本，成本篇的做法在这里复用）。
- 入口侧：模型「不确定」时主动转人工（拒绝回答分支，见幻觉治理）。
- 兜底侧：AI 失败（超时、工具错误）时降级到规则答案或人工（第 7 章）。
第一次分流决定「设计上归谁」，第二次分流决定「运行时归谁」——两次都要做，边界才不会只剩文档。
一个判断练习（对照你的功能）
- 输入校验、格式转换 → 代码（现在调 AI 了吗？改回来）
- 内容分类打标签 → AI（但要定义「分错怎么办」）
- 根据用户描述给出退换货方案 → AI + 人工确认（高风险项转人工）
- 决定是否批准退款 → 人（AI 只给材料）
落地清单
- 用三维度（可靠性/容错/责任）给你的每个任务分类
- 规则能做的先做规则，两头（代码/人工）守住
- 设计运行时二次分流：规则优先、模型不确定转人、失败降级
- 把「分流表」写进功能文档，随需求变更更新