系列 《产品与体验:把不确定的能力做成可信的产品》 第 1 / 1 篇 入门
系列总览 — 为什么这样组织、读它需要什么、读完能做什么
学习地图 — AI 应用工程师学习地图 第 7 / 7 个系列
- 场景选择——锯齿状边界与 demo–产品鸿沟
上一个系列:生产化与运营
先讲三个回撤。Klarna 2024 年初宣布 AI 客服第一个月处理 230 万次对话、解决三分之二的工单、处理时间从 11 分钟降到 2 分钟、相当于 700 名员工、预计年增利 4,000 万美元,客服团队从 5,000 人减到 3,500 人;2025 年 CEO 承认裁得太狠、失去了有价值的人的经验,AI 在复杂、模糊、情绪化的问题上处理不了,”要对客户说清楚:你想要的话永远有人”;到 2026 年变成混合模式——AI 第一响应、人处理例外与挽留。IBM 用 AskHR 替代大部分 HR 职能后不得不再招人——它做得了常规问答与请假审批,做不了需要判断的。Duolingo 2025 年 4 月宣布 AI-first、逐步停用 AI 能做的合同工,一周后 CEO 改口”AI 不是替代员工,我们照常招人”。Gartner 2026 年预测:被 AI 裁掉的岗位三成会在 2029 年前补回,成本更高。
这三个故事不是”AI 不行”,是同一个错误:用边界内的数字外推到边界外。”700 人”来自简单查询;客服里 20–30% 的任务是例外(争议、欺诈、政策例外、情绪化客户),外推之后成本从例外处漏回来。这一篇讲怎么找边界、怎么判断一个场景该不该做、demo 与产品之间隔着什么。
本篇要回答的核心问题是:
判断场景的四个维度是什么,锯齿状边界是什么?1 回撤的案例共同错在哪,成功的案例为什么成立?2 demo 与产品之间的鸿沟有哪五个来源,怎么做决策?3
一、总览
1. 四个维度
%%{init: {"flowchart": {"wrappingWidth": 210}}}%%
%% 图:场景选择的决策:可验证 × 可撤销决定人在哪,价值 × 频率决定值不值
flowchart TB
S["一个候选场景"] --> D1{"可验证吗?"}
D1 -- "能自动验证(跑测试、比对答案)" --> D2{"可撤销吗?"}
D1 -- "只能人判断" --> H["<b>人在环内:copilot 形态</b><br/>(客服的争议处理、法律意见)"]
D2 -- "能回滚(改代码提 PR、写草稿)" --> AUTO["<b>可以自主循环几十步</b><br/>(coding agent 最先成熟的原因)"]
D2 -- "不可逆(发合同、删数据、驾驶)" --> GATE["每个动作前确认门 / 仿真验证"]
AUTO & H & GATE --> W{"价值 × 频率<br/>值不值得做?"}
W -- "高频 + 单次价值高" --> GO["做"]
W -- "低频 / 价值低" --> NO["不做,或先 demo 验证"]
| 维度 | 问什么 | 好的信号 | 坏的信号 |
|---|---|---|---|
| 价值 | 每任务节省多少时间 / 带来多少收益(《生产化与运营(02):成本工程——从账单到每任务成本》的单位经济学) | 高频 × 每次几分钟,或低频 × 每次几小时 | 用户本来就不做这件事(”AI 摘要”没人看) |
| 可验证性 | 用户或系统能不能快速判断输出对不对 | 代码(编译、测试)、格式化任务、有明确答案的查询 | 需要专家才能判(法律意见、医疗建议)、用户不懂目标语言的翻译 |
| 错误容忍度 | 错一次的代价 | 可撤销、可编辑、低风险(草稿、建议) | 不可逆、对外、高风险(退款、发送、删除、诊断) |
| 频率 | 用户多久做一次 | 每天多次(补全、分类、回复) | 每季度一次(学习成本抵消收益) |
四个维度同时好的场景很少;决策是看可验证性与错误容忍度决定人在哪(第二篇),价值与频率决定值不值(第五篇)。
2. 本文的章节安排
第二章锯齿状边界;第三章回撤案例的共同错误;第四章成功案例为什么成立;第五章 demo–产品鸿沟的五个来源;第六章决策方法;第七章实践建议。
二、锯齿状边界
1. 实验
哈佛商学院与 BCG 对 758 名顾问的现场实验:在 AI 擅长的任务上(边界内),用 AI 的顾问快 25%、质量高 40%;在略微超出边界的任务上,用 AI 的顾问出错率高 19 个百分点——比不用 AI 的更差。研究者把这叫”锯齿状边界”(jagged frontier):AI 的能力不是一条平滑的线,同一个工作流里相邻的两个任务可能一个在边界内、一个在边界外,且从外面看不出来。
%% 图:哈佛 / BCG 758 名顾问实验的两组任务——边界内的任务用 AI 快 25%、质量高 40%;略微超出边界的任务用 AI 的顾问出错率高 19 个百分点,比不用 AI 更差;差的不是「AI 帮不上」,是自信的输出让人放弃了自己的判断
%%{init: {"xyChart": {"width": 760, "height": 340, "plotReservedSpacePercent": 60}, "themeVariables": {"xyChart": {"plotColorPalette": "#c0392b, #5b8fd6, #4d9a5c"}}}}%%
xychart-beta
title "用 AI 相对不用 AI 的变化(百分点 / 百分比)"
x-axis ["边界内:速度", "边界内:质量", "边界外:出错率"]
y-axis "相对变化" -30 --> 50
bar [25, 40, -19]
前两根柱子是好消息,第三根是坏消息——而三根柱子来自同一群人、同一个工具,只是任务在边界的哪一边。
2. 含义
- 边界按任务划,不按领域划。”客服”不是一个任务,是几十个:查订单状态(边界内)、解释政策(边界内)、处理争议(边界外)、安抚愤怒客户(边界外)、识别欺诈(边界外)。Klarna 的数字来自前两类,裁员按全部算。
- 边界外用 AI 比不用更差。不是”AI 帮不上”,是 AI 的自信输出让人放弃了自己的判断(第三篇的自动化偏见)——这是 +19 个百分点的来源。
- 边界会动。模型升级把一些任务拉进边界(《模型作为组件(05):选型——榜单的失真、自己的评测集与供应商的弃用周期》的评测集要定期重跑),也可能把一些推出去(供应商变更)。
- 边界要量。判断一个任务在不在边界内的方法是 L5 的评测集:几十条真实用例、跑 k 次、看分布与分层——不是看 demo。
3. 找边界的方法
把场景拆到任务粒度 → 每个任务采几十条真实用例 → 跑当前最好的模型 + 合理的 prompt / 检索 → 按 《评测、可观测与可追溯(03):评什么——单步、RAG、agent 与多轮的指标矩阵》的指标评 → 边界内(质量达标且稳定)、边界上(多数对、有可识别的失败模式——人机分工的位置)、边界外(不稳定或错得难以发现)。这是 《模型作为组件(05):选型——榜单的失真、自己的评测集与供应商的弃用周期》”用自己的评测集选型”在产品层的用法:选的不是模型,是任务。
%% 图:把「客服」拆到任务粒度后边界是锯齿状的——查订单状态、解释政策、改地址在边界内(评测集上稳定达标);处理争议、识别欺诈在边界外(不稳定或错得难发现);安抚愤怒客户、退款判定在边界上(多数对、失败模式可识别 → 人机协作);Klarna 的「700 人」来自左边两格,裁员按全部算
flowchart LR
subgraph IN["边界内:AI 做"]
direction TB
I1["<b>查订单状态</b><br/>评测 97% · 稳定"] ~~~ I2["<b>解释公开政策</b><br/>94% · 有引用"] ~~~ I3["<b>改地址 / 改时间</b><br/>96% · 可撤销"]
end
subgraph ON["边界上:AI 做 + 人在失败模式处核对"]
direction TB
O1["<b>退款判定</b><br/>85% · 超额的人看"] ~~~ O2["<b>安抚不满客户</b><br/>78% · 情绪升级转人"]
end
subgraph OUT["边界外:人做,AI 只给材料"]
direction TB
U1["<b>处理争议</b><br/>61% · 错得难发现"] ~~~ U2["<b>识别欺诈</b><br/>不稳定 · 代价高"]
end
IN ~~~ ON ~~~ OUT
K["Klarna 引用的数字来自这里"] -.-> IN
L["裁员按这里的全部算"] -.-> OUT
classDef ok fill:#eefaf0,stroke:#4d9a5c,color:#222
classDef warn fill:#fff3e0,stroke:#c98a00,color:#222
classDef bad fill:#fdecea,stroke:#c0392b,color:#222
classDef n fill:#eef6ff,stroke:#5b8fd6,color:#222
class I1,I2,I3 ok
class O1,O2 warn
class U1,U2 bad
class K,L n
三、回撤案例的共同错误
1. 外推
| 案例 | 边界内的数字 | 外推到 | 漏回来的成本 |
|---|---|---|---|
| Klarna | 简单查询上”700 人的工作”、11 → 2 分钟 | 全部客服,裁 1,500 人 | 20–30% 的例外任务处理不了:客户重复来电、争议升级、满意度下降、再招人(远程合同工) |
| IBM AskHR | 常规问答、文档、请假审批 | 大部分 HR 职能,裁约 8,000 | 需要判断的 HR 工作没人做,再招人 |
| Duolingo | 翻译与内容生成的一部分 | “AI-first、停用 AI 能做的合同工” | 用户与员工的信任反弹,一周后改口 |
三个案例的数字在各自的边界内可能都是真的。错误是把”AI 在这类任务上等于 N 个人”读成”AI 等于 N 个人”。
2. 为什么容易犯
demo 与早期数据天然来自边界内(先做容易的);管理层拿到的是一个总数(”700”)而不是按任务的分布;裁员的决定不可逆而边界的判断可逆——两者的时间尺度不匹配。Gartner 说的”AI 洗白”(把本来要做的裁员归因于 AI)加剧了它。
3. 正确的形态
Klarna 最终到的地方——AI 第一响应、人处理例外与挽留、客户永远能找到人——就是按边界分工:边界内的任务 AI 做,边界上的人机协作,边界外的人做。它本可以是起点而不是终点。《工具、Agent 与 harness(08):memory 与 human-in-the-loop》的六级人机分工是这个形态的工程版本。
%% 图:Klarna 的两年——2024 年 AI 客服在简单查询上做到「700 人的工作」、处理时间 11 → 2 分钟;把这个数字外推到全部客服裁 1,500 人;20–30% 的例外任务处理不了:重复来电、争议升级、满意度下降;2025 年重新招人(远程合同工);最终形态「AI 第一响应、人处理例外、客户永远能找到人」本可以是起点
flowchart TB
A["<b>2024:AI 客服上线</b><br/>简单查询:11 → 2 分钟,「相当于 700 人」"] --> B["<b>外推:AI 等于 N 个人</b><br/>裁约 1,500 人,停止招聘"]
B --> C["<b>20–30% 的例外任务没人处理</b><br/>重复来电 · 争议升级 · 满意度下降"]
C --> D["<b>2025:重新招人(远程合同工)</b><br/>失去的是有经验的人,回不来"]
D --> E["最终形态:AI 第一响应 · 人处理例外与挽留 · 客户永远能找到人"]
A -.->|"如果一开始就按边界分工"| E
classDef n fill:#fff7e0,stroke:#c98a00,color:#222
classDef bad fill:#fdecea,stroke:#c0392b,color:#222
classDef ok fill:#eefaf0,stroke:#4d9a5c,color:#222
class A n
class B,C,D bad
class E ok
四、成功案例为什么成立
1. GitHub Copilot
从 2021 年的补全到 2026 年的 coding agent,是最持久的 AI 产品成功。四个维度全部好:可验证(代码能编译、有测试、能跑——《工具、Agent 与 harness(08):memory 与 human-in-the-loop》”验证决定自主”)、错误可撤销(git,改错了 revert;建议不接受就没了)、高频(每分钟都在写代码)、价值可累积(每次省几秒 × 一天几百次)。人在编辑器里就在边界上:接受、修改、拒绝——第三篇的”接受率三成、多数被再编辑”是这个形态的正常状态。
2. 其他成立的形态
- 草稿类(邮件、回复、文案的初稿):可编辑、可验证(用户懂内容)、错误容忍高(改就行)——但价值取决于用户本来花多久写。
- 分类与抽取(工单分类、表单抽取):可验证(抽样核对)、高频、错误可在下游被发现——《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》的结构化输出。
- 检索增强问答(内部知识库):可验证(有引用)、错误容忍中(引用让用户能核对)——L3。
- 代码审查与测试生成:可验证(测试跑不跑)、可撤销。
共同点:输出能被快速核对或撤销。这是四个维度里最重要的两个。
3. 不成立或要小心的
- 用户无法核对的判断(不懂的语言的翻译、专业领域的意见给非专业用户)——除非有专家在环。
- 不可逆的对外动作(发送、付款、删除)无人在环——《工具、Agent 与 harness(08):memory 与 human-in-the-loop》第六级的前提不满足。
- 低频高学习成本的功能——用户学不会。
- 情绪化、高风险的人际交互(愤怒的客户、医疗、法律)——边界外且代价高。
五、demo–产品鸿沟的五个来源
| 来源 | demo | 产品 | 对应的层 |
|---|---|---|---|
| 分布 | 精选的输入、干净的数据 | 真实流量的长尾:错字、省略、多语言、边缘情形 | 《评测、可观测与可追溯(01):评测集——AI 应用的单元测试》(评测集从流量采) |
| 长尾 | 80% 的情形几小时就能做到 | 剩下 20% 是产品的全部工作,且决定用户的信任 | 《评测、可观测与可追溯(06):可追溯——录制回放、决策点日志、失败分类与反馈绑定》(bad case 队列) |
| 集成 | 一个对话框 | 进用户的工作流、权限、数据源、身份、审计 | L3 权限、L4 运行时、L6 治理 |
| 信任 | 演示者知道该问什么 | 用户不知道 AI 不擅长什么,会问边界外的问题 | 第三篇 |
| 成本 | 不算钱 | 每任务成本 vs 价值,长尾任务占大头 | 《生产化与运营(02):成本工程——从账单到每任务成本》 |
“80% 的 demo 是 20% 的产品”:demo 到产品的距离不是”再打磨一下”,是前六层的全部。一个能在两天内做出来的 demo,变成产品要几个月——这不是效率问题,是鸿沟的结构。
%% 图:demo 到产品的五道鸿沟各对应前面哪一层——分布(精选输入 → 真实长尾:L5 评测集从流量采)、长尾(80% 几小时 → 剩下 20% 是全部工作:bad case 队列)、集成(对话框 → 工作流、权限、数据源、审计:L3 / L4 / L6)、信任(演示者知道问什么 → 用户会问边界外:第三篇)、成本(不算钱 → 每任务成本 vs 价值:L6)
flowchart LR
D["<b>demo:两天</b><br/>精选输入 · 一个对话框 · 演示者知道该问什么 · 不算钱"] --> G1["<b>① 分布</b><br/>真实流量的错字 · 省略 · 多语言 · 边缘<br/>→ L5 评测集从流量采"]
D --> G2["<b>② 长尾</b><br/>80% 几小时做到,剩下 20% 是全部工作<br/>→ L5 bad case 队列"]
D --> G3["<b>③ 集成</b><br/>工作流 · 权限 · 数据源 · 身份 · 审计<br/>→ L3 · L4 · L6"]
D --> G4["<b>④ 信任</b><br/>用户不知道 AI 不擅长什么<br/>→ 第三篇"]
D --> G5["<b>⑤ 成本</b><br/>每任务成本 vs 价值 · 长尾占大头<br/>→ 《[生产化与运营(02):成本工程——从账单到每任务成本](/cost-engineering-from-the-bill-to-cost-per-task.html)》"]
G1 & G2 & G3 & G4 & G5 --> P["<b>产品:几个月</b><br/>不是「再打磨一下」,是前六层的全部"]
classDef d fill:#eef6ff,stroke:#5b8fd6,color:#222
classDef g fill:#fff7e0,stroke:#c98a00,color:#222
classDef p fill:#eefaf0,stroke:#4d9a5c,color:#222
class D d
class G1,G2,G3,G4,G5 g
class P p
六、决策方法
1. 拆到任务
场景 → 任务列表(一个客服场景拆出二十个任务);每个任务按四维度打分;用评测集量边界(第二章第 3 节)。
2. 三分
- 边界内(质量达标且稳定、可验证或可撤销):做,形态按第二篇;
- 边界上(多数对、失败模式可识别):做人机协作——AI 做、人在识别出的失败模式处核对(第三篇);
- 边界外(不稳定、错得难发现、代价高):不做,或只做辅助(给人提供材料而不是给结论)。
3. 找正在被外推的数字
对已有的 AI 功能问:引用的那个成功数字来自哪些任务?把它用到了哪些任务上?中间的差是多少?——Klarna 的问题在这里能提前发现。
4. 决策的可逆性
边界的判断会随模型移动,所以产品决策要可逆:先做边界内的、保留人的能力(Klarna 失去的是”有价值的人的经验”,回不来)、随评测集的变化扩边界。不可逆的组织决定(裁员)不要建在可变的边界判断上。
七、实践建议
- 拆任务、打四维度分:把你的场景拆到任务粒度,每个任务四维度打分,标出可验证与可撤销的。
- 量边界:每个任务几十条真实用例 + 评测(L5),分边界内 / 上 / 外。
- 审外推:列出你引用的成功数字与它来自的任务,对照它被用到的范围。
- 先做边界内 + 可核对可撤销的,边界上的做人机协作,边界外的只做辅助。
- 决策可逆:保留人的能力,随评测集扩边界;不把不可逆的组织决定建在边界判断上。
- 算鸿沟:对每个 demo 列五个来源各要多久,再定计划。
八、本文小结
- 四个维度:价值、可验证性、错误容忍度、频率;可验证与可撤销决定人在哪,价值与频率决定值不值。
- 锯齿状边界(哈佛 / BCG,758 名顾问):边界内 +25% 速度 / +40% 质量,边界外错误率 +19 pp——用 AI 比不用更差;边界按任务划、会动、要用评测集量。
- 回撤的共同错误是外推:Klarna 把简单查询上的”700 人”用到全部客服(20–30% 例外漏回成本,裁 1,500 再招),IBM AskHR、Duolingo 同理;正确形态是 AI 第一响应、人处理例外、客户永远能找到人——它本可以是起点。
- 成立的案例(Copilot、草稿、分类抽取、RAG 问答、代码审查)共同点是输出能被快速核对或撤销;不成立的是用户无法核对的判断、无人在环的不可逆动作、低频高学习成本、高风险人际交互。
- 鸿沟五来源:分布、长尾、集成、信任、成本——demo 到产品是前六层的全部。
- 决策:拆任务 → 四维度 → 量边界 → 三分 → 审外推 → 可逆。
九、自测
-
一个团队的 AI 客服 demo 在 50 个精选问题上正确率 96%,据此计划把一线客服减半。用本文指出至少三个问题。
-
哈佛 / BCG 实验里”边界外用 AI 的人出错率反而高 19 个百分点”——为什么不是”AI 帮不上”而是”更差”?这对产品设计意味着什么?
答案
AI 在边界外仍给出自信、流畅的输出,人放弃了自己的判断(自动化偏见),把错误当真——比自己做更差。意味着边界外的任务不能”顺手也让 AI 试试”:要么不做,要么只给人提供材料不给结论、并明确标注不确定(第三、四篇);找边界不是可选项,是防止产品把用户变笨的前提。详见第二章。
-
为什么 GitHub Copilot 能从补全走到 agent 而客服 AI 走了回撤?用四个维度比较。
-
一个”AI 法律意见”功能面向普通消费者。按四维度与第四章,评价并给出替代形态。
答案
可验证性差(消费者判不了对错——《模型作为组件(01):失效模式——非确定性、幻觉、上下文与越界,把「模型会出错」拆成七条可检测的性质》的虚构判例事件)、错误容忍度低(法律后果)、边界外用 AI 更差(用户会信)。不该做成”给结论”的形态。替代:给材料不给结论(找到相关条款与判例并附原文引用让用户或律师核对)、明确标注非法律意见与不确定、或专家在环(律师审阅后发出——AI 做草稿)。详见第四章、第六章。
-
一个两天做出来的 RAG demo,团队估计两周能上线。按五个来源各列一项会花时间的事。
答案
分布:从真实查询建评测集并发现词汇不匹配与多轮问题(《检索与知识接入(05):从流水线到 agentic retrieval》的改写);长尾:解析失败的文档、权限边界、拒答处理(《检索与知识接入(03):文档解析与分块——检索失败的上游》、《检索与知识接入(04):索引、混合检索与 rerank》);集成:接入用户身份与文档权限、进现有工作流、审计(L3 权限、L6 治理);信任:引用可点开、拒答呈现、onboarding(第三、四篇);成本:每任务成本归因与 rerank / 缓存优化(《生产化与运营(02):成本工程——从账单到每任务成本》)。两周不够,几个月是常态。详见第五章。
-
四维度:价值(每任务节省的时间或收益,高频 × 几分钟或低频 × 几小时;用户本来不做的事价值为零)、可验证性(用户或系统能否快速判断对错:代码、格式化、有明确答案的查询 vs 需专家判断的意见、不懂目标语言的翻译)、错误容忍度(错一次的代价:可撤销可编辑的草稿 vs 不可逆对外的退款、发送、删除、诊断)、频率(每天多次 vs 每季一次,学习成本抵消收益);可验证与可撤销决定人在哪,价值与频率决定值不值。锯齿状边界来自哈佛 / BCG 对 758 名顾问的实验:边界内用 AI 快 25%、质量高 40%,略出边界出错率高 19 pp——比不用更差,因为自信输出让人放弃判断;边界按任务不按领域划(客服是几十个任务)、相邻任务可能一内一外、会随模型移动、要用评测集量(几十条真实用例、k 次、分层)而不是看 demo。详见第一章、第二章。 ↩
-
共同错误是把边界内的数字外推到全部:Klarna 的”700 人 / 11 → 2 分钟”来自简单查询,裁 1,500 人后 20–30% 的例外任务(争议、欺诈、政策例外、情绪化客户)处理不了,客户重复来电、满意度下降、再招远程合同工,CEO 承认失去了人的经验、”客户想要的话永远有人”,2026 年成混合模式;IBM AskHR 做常规问答与审批但做不了需判断的 HR 工作,裁约 8,000 后再招;Duolingo “AI-first 停用合同工”一周后改口。易犯的原因:早期数据天然来自边界内、管理层拿到总数而非按任务分布、裁员不可逆而边界判断可逆、”AI 洗白”。成功案例(Copilot 从补全到 agent 五年、草稿类、分类抽取、RAG 问答、代码审查)的共同点是输出能被快速核对或撤销,加高频与价值累积,人在工作流里就在边界上;不成立的是用户无法核对的判断、无人在环的不可逆动作、低频高学习成本、高风险人际交互。详见第三章、第四章。 ↩
-
五来源:分布(demo 用精选输入,产品面对长尾——评测集从流量采)、长尾(80% 几小时能做,剩下 20% 是产品的全部工作且决定信任——bad case 队列)、集成(对话框 vs 进工作流、权限、数据源、身份、审计——L3 / L4 / L6)、信任(演示者知道该问什么,用户会问边界外的——第三篇)、成本(demo 不算钱,产品要每任务成本 vs 价值、长尾占大头——《生产化与运营(02):成本工程——从账单到每任务成本》);”80% 的 demo 是 20% 的产品”,距离是前六层的全部。决策:场景拆到任务粒度 → 四维度打分 → 用评测集量边界 → 三分(边界内做、边界上人机协作——AI 做人在可识别的失败模式处核对、边界外不做或只给材料不给结论)→ 审外推(引用的成功数字来自哪些任务、用到了哪些任务)→ 决策可逆(保留人的能力、随评测集扩边界、不把不可逆的组织决定建在可变的边界判断上)。详见第五章、第六章。 ↩
系列 《产品与体验:把不确定的能力做成可信的产品》 第 1 / 1 篇 入门
系列总览 — 为什么这样组织、读它需要什么、读完能做什么
学习地图 — AI 应用工程师学习地图 第 7 / 7 个系列
- 场景选择——锯齿状边界与 demo–产品鸿沟
上一个系列:生产化与运营
去 Series 挑下一个系列
本文由 arganzheng 创作,采用 CC BY 4.0 许可协议。在保留原文作者、署名以及完整原文链接(https://arganzheng.life/choosing-ai-scenarios-the-jagged-frontier-and-the-demo-to-product-gap.html)的前提下,欢迎各种形式的转载、翻译或商业引用。
COMMENTS
评论存放在 GitHub Discussions, 用 GitHub 账号登录即可发表,支持 Markdown。 想针对正文某句话说?选中那段文字,点浮出的「评论」即可划线评论;觉得哪里写错了,发表时勾上「同时提交 Issue」。 有人回复你时 GitHub 会按你的通知设置发邮件,不用守在这里。