具身生产法

这是什么

具身生产法，是邱懿武原创的一套 AIGC 创作系统。它要回答一个越来越尖锐的问题：在 AI 什么都能生成的时代，人在创作里到底还该干什么、不该把什么交出去？

它的主张一句话讲完：从真实场景出发，而不是从工具出发；人做判断，AI 做执行。 这听着简单，但戳的是当下 AIGC 创作最普遍的两个病。一个病叫"工具感强但没灵魂"——你先看"这个 AI 能做什么"，再倒过来找用处，产出的东西技术上挑不出毛病，可就是没有人味儿。另一个病叫"量大但质量随机"——干脆全交给 AI，人只在结果里挑挑拣拣，产量爆炸，但好坏全凭运气。具身生产法就是要在这两个坑之间，给创作者拉一条线：人始终是质量控制的核心，AI 是执行者，不是决策者。

"具身"这个词是关键。AI 没有身体，它无法"具身"——它没法真正站在某个真实场景里，去感知那里的温度、那里人的真实感受。而这恰恰是人的专属领地。

来历与出处

具身生产法出自邱懿武，是他对自己 AIGC 创作实践的总结，属于原创方法。它不是从某本书或某个外部理论搬来的，而是从"天天用 AI 做内容，到底怎么才能不踩坑"这个一线问题里长出来的。

它的底层信念，是对 AI 时代一个趋势的警觉：AI 能力越强，人越容易偷懒，越想把判断权也一并交出去——而这正是创作"丢魂"的开始。所以这套方法的全部努力，都在守住一条线：AI 越强，人越要把"感知"和"判断"这两件事做扎实。

解决什么真实问题

最对症的场景，是用 AI 做文案、图像、视频，却总觉得产出有股洗不掉的"AI 味"——太工整、太套路、缺个人风格。或者团队上了 AI 批量生产内容，量是上去了，可质量忽高忽低，没人守门。

它还能用在两个判断时刻：创作前，帮你决定这事该"从场景出发"还是"从工具出发"；创作后，给一份读起来"没灵魂"的产出做诊断，看看到底哪个环节出了问题。

它治的病，本质上是**"主体性沦陷"**——人在和 AI 的协作里，不知不觉从"创作者"退化成了"挑选员"。一旦人只剩"在 AI 产出里挑一个"这一个动作，具身性就丢光了，作品也就没了魂。

核心思想

打个比方。一个好厨子和一个微波炉的关系，应该是什么样的？厨子负责的是：今天来的是什么客人、他想吃出什么感觉、这道菜的灵魂在哪——这些是"判断"。微波炉负责的是：把火候、加热、批量出餐这些"执行"快速搞定。你绝不会让微波炉来决定"今天这桌客人该吃什么、要什么口味"。可现在很多人用 AI，恰恰是把"该做什么、要什么感觉"也一股脑交给了机器——这就本末倒置了。

具身生产法，就是帮你守住"厨子和微波炉"之间那条分工线。它的流程是一个带反馈循环的链条：

场景洞察 → 创意意图 → 人机分工 → 质量校验 → 迭代优化（再绕回场景洞察）

四个核心环节，每个都钉死了"人做什么、AI 做什么"：

• 场景洞察——纯人工，AI 不参与。这是人的专属领地，因为 AI 没有身体、无法具身。你要回答三个问题：我要解决的真实场景是什么？这个场景里用户的真实感受是什么？我要传达的核心意图是什么？
• 创意意图——人定方向，AI 扩展选项。关键是把意图写成"一句可判断的话"。比如"温暖但不煽情，像朋友随口说的一句话"，这是好意图，因为它能用来检验产出；而"写一篇关于教育的文章"不是意图，那只是个任务。
• 人机分工——人做判断（选、改方向、定调性），AI 做执行（出版本、批量变体）。注意："AI 生成 + 人修改"还不算真正的分工，分工要明确到具体动作。
• 质量校验——人是最终的质量守门员。拿 Step 2 那句意图当尺子，去量产出：那个感觉传达到了吗？哪些地方有 AI 痕迹（太工整、太套路）？

判断的核心标准就一条：人只做判断型工作，AI 只做执行型工作。一旦人退化成"只在 AI 产出里挑一个"，具身性就丢了。

完整案例

示例 · 给"球球老师"儿童对话产品生成"聊天小报告"模板（示例）

• 场景洞察（纯人工）：家长看到孩子和 AI 的对话之后，真正想要的是一种"被看见"的感觉——不是一份冷冰冰的分析报告，而是"原来我家孩子的内心世界这么有趣"。这一步没有碰任何工具，全靠对真实家长心理的感知。
• 创意意图（一句可判断的话）：像一个特别了解孩子的阿姨，看完对话后随口跟家长说的几句话——温暖、具体、不评判。这句话之所以是好意图，是因为它能直接拿来做质检：产出到底像不像"阿姨随口说的暖心话"，是能判断出来的。
• 人机分工：AI 先生成 10 个模板版本（执行）→ 人按"温暖感"这个标准来筛选（判断）→ 人对措辞做微调（判断）→ 放到产品里试用、收集反馈。
• 质量校验：家长读完，是"被感动"还是"被分析"？如果是后者，就说明 AI 痕迹太重——那份"被看见"的暖意没传到，得返工。

这套流程里，AI 一刻没闲着（出 10 个版本），但每一个"这个对不对、好不好"的判断，都牢牢握在人手里。这就是具身性。

源文件还给了一个诊断分级（示例）当参照：S 级是场景洞察有真实感知依据、意图一句话说清、分工明确到动作、质检有可执行标准；往下到 C 级，就是"AI 全生成、人来选"，基本没有具身性了。

常见误解与边界

第一个坑叫**"假具身"**——场景洞察是编的，不是从真实体验来的。自检方法很简单：如果你说不出"我在某某场景下，真实感受到了某某"，那说明你的洞察是空的。

第二个坑叫分工模糊。"AI 生成 + 人修改"听起来像分工，其实不是——它没说清人到底做哪种判断、AI 到底做哪种执行。真正的分工要钉到具体动作上：人只做判断型（选、改方向、定调性），AI 只做执行型（出版本、批量变体）。

第三个坑叫意图太抽象。"我要好的内容"不算意图，因为它没法拿来做质检。意图必须能明确判断 yes/no——"产出有没有达到某某感觉"，答得出来才行。

最后是它在 AI 时代的真正分量。这套方法不是反对用 AI，恰恰相反——AI 越强，它越重要。因为 AI 能力越强，人越容易偷懒地把决策权交出去，而这正是具身性最大的威胁。它的价值，就是在 AI 越来越能干的时候，反过来提醒你：把"感知"和"判断"这件只有人能做的事，做得更扎实，别让它退化。

一句话记住它

AI 没有身体，感知是人的专属领地——先有场景洞察再选工具，永远人做判断、AI 做执行，作品才不丢魂。