最后一章，回到全书开头那个问题：当 AI 什么都能生成，人凭什么说它好不好？九章走下来，答案已经不再是「因为人有眼光」这种空话了——评价是一架有结构的梯子，是一门有零件的手艺，是一台需要校准的仪器。收尾这一章，把这套功夫放回它真正的战场：人和 AI 的分工界面。
新的分工：塔基外包，塔尖自留
第二章说过，布鲁姆的梯子正在被 AI 从塔基往上承包。现在可以把分工说得再精确一点：
- 记忆、理解：基本全外包。查事实、做摘要、讲概念，AI 又快又便宜，人守着这两层没有意义。
- 应用、分析：人机协作。AI 出草稿、做初拆，人负责纠偏和兜底——因为这两层的输出里会埋幻觉（第五章），而纠偏用的正是评价功夫。
- 评价：人自留。不是 AI 完全不能评——它能按你给的标准打个分——而是评价的核心部件它缺位：它没有你的处境（前提核查做不了），它没有你的样本库（品味喂的是全网平均值），它不会为结论负责（责任主体不在它）。
- 创造：方向由人定，执行可外包。而「定方向」这个动作本身——决定什么值得做——就是一个评价动作：对无数可能的方向做出「这个值得」的判断。
看出来了吗？评价不是分工表上的一个格子，它是整个人机协作的操作系统。你给 AI 下任务时是出题（第四章：任务说明即评分标准），它出结果时你是质检（第五章：检查清单），十个方案选一个时你是评委（第三、七章），决定下一步做什么时你是裁判（创造的方向选择）。每一环都在调用同一套功夫。
大白话：AI 时代的人不是「某个岗位的从业者」，而是「整条流水线的验收员 + 出题人」。验收和出题，是评价能力的正反手。
一个要警惕的姿势：自动化顺从
分工讲完了，还得讲分工最大的敌人。它有个名字，叫自动化顺从（automation bias）：人倾向于过度信任自动化系统的输出，放弃自己的判断。航空史上有机组明明看到仪表矛盾仍按自动驾驶指令操作的案例；医疗上有医生采纳明显有误的电脑建议的记录。AI 越强、越顺滑，这个倾向越危险——因为「它一般都是对的」会慢慢磨成「它总是对的」，再磨成「我干嘛还看」。这本书写的就是一整套「我干嘛还看」的理由和方法。
评价能力的复利：它让你更会「要」
收一个前面埋的伏笔。第四章说评价能力前置为出题能力，这里把这个闭环画完。
练评价的人会发现一个意外收获：你对「好」的理解越深，你能向 AI 要的东西就越具体。样本库大的人，能说「我要的是那种克制的、留白的写法」，而不是「写好一点」；尺子细的人，能在任务里写清「必须回答三个顾虑、不准用感叹号」；校准好的人，知道哪类任务 AI 容易翻车、要在指令里预先排雷。而「要得更具体」的结果，是 AI 的输出质量跟着水涨船高——你拿到的初稿就更接近好，你的验收成本就下降，你就有更多精力投在更高层的判断上。
这是一个正反馈循环：评价能力 → 出题质量 → 产出质量 → 验收省心 → 更多精力练评价。AI 时代人与人之间的产出差距，很大程度上不是「谁用的 AI 强」，而是谁站在这个循环里、谁站在循环外。
最后：评价能力是一种责任感
这本书从头到尾把评价当一门手艺讲：标准、证据、样本库、校准、训练装置。但收尾时要说一句手艺之外的话。
评价能力的终极形态，是一种「我来负责」的姿势。AI 生成的东西没有作者——它没有人格、没有后果、没有「我错了」。每一份经你手的 AI 产出，签的都是你的名字；每一个「就它了」的决定，账都记在你头上。这听着像负担，但它恰恰是人在这个分工里的位置之所以值钱的全部原因：责任是判断的价格，而愿意担责任的能力，就是评价能力。
所以回到开头的实验。现在再让 AI 写三段话，问你哪段好——你应该已经知道怎么答了：先问这段话是干嘛的（目的），再掏出你的尺子（标准），逐段对照（证据），写下三段式理由（表达），掂量一下自己在这个领域的把握（校准）。如果答得还有点磕绊——没关系，梯子在那儿，一层一层爬就是。
判断的能力，长在判断的动作里。去判断吧。