立正把交给 AI 的东西描述成完整任务：目标、边界、标准、可用资源，然后让 AI 自己拆解、执行、检查、修正，人不必盯每一步，只在闭环收敛后介入⁠1。所以“刚好够用”不是按字数或步骤数切，而是看这一块任务能不能自己跑完一轮“执行—自检—诊断—修正—再检查”并给出可判断的结果⁠1。切得太碎，就退回单步遥控，人仍被绑在旁边当监工；切得太大，Agent 没有可用的检查标准，错了也发现不了，只能靠人最后兜底。判断粒度是否合适，可以问：这一块结束时，Agent 能不能自己说出“做完了没有、凭什么算做完”。

立正提醒，遇到复杂任务就多开几个 subagent，往往是把组织规模当成了努力：这些分支来自同一个模型、继承相似上下文，容易犯相关性很高的错误，五个相似 Agent 不等于五种独立判断⁠2。他还说，真正的错误是先没判断这件事能不能被真正分解，就把并行当成质量⁠2。这给“粒度”加了一条边界：切分的前提是各部分有相对独立的判断依据；如果拆出来的几块只是同一份理解被复制几遍，那不如把整块交给一个 Agent，把力气花在写清验收标准和检查方式上。

按这个粒度分工，人负责定义目标、作出取舍、判断质量、承担后果，信息搬运和跨系统操作交给 Agent⁠3。立正在报销材料的例子里，把“事实必须准确、学员要拿到能提交的材料、对外发送由我最后批准”定为结果和边界，其余查找、写证明、生成附件都交出去⁠3。这说明“刚好够用”的粒度通常落在一次可验收的交付物上，而不是一次点击或一句指令。你可以拿手上一个任务试：先只写清结果和验收条件，看 Agent 能否自己跑完并给出可核对的产出；如果它反复卡在同一处，说明那一小块需要你补标准或补工具，而不是继续加指令。