文章
共 30 篇文章
我最怕的不是 AI 太强，是我变懒
有阵子我发现自己离了 AI 连开头都懒得想了，警觉起来。真正让我怕的不是 AI 有多强，是它让我把自己的思考能力一点点停用。认知肌肉会萎缩，这才是最该警惕的风险。
AI 不会取代创作者，会取代「不思考的创作者」
观察了两类同行：一类把思考外包给 AI，产出快但同质；一类用 AI 但亲自思考，产出有辨识度。差距不在用不用 AI，在用的时候有没有亲自想。真正会被替代的，是把思考拱手让给 AI 的人。
和 AI 讨论问题，我学会了先想再问
有阵子我啥都直接问 AI，直到几次被它反问「你具体想解决什么」，我才发现自己根本没想清楚。和 AI 对话，倒逼我在开口前先把问题想明白——提问质量决定回答质量，这事儿 AI 比任何人都诚实地教给我。
AI 让我的写作变快了，但没让我写得更好
用 AI 写文章，半小时出一篇，快但空。自己写，慢但有一股 AI 给不了的锐度。我后来明白，AI 帮我跳过了「想清楚」这道关——而那恰恰是写作里最值钱的部分。
用 AI 写注释比用 AI 写代码更值
把一个祖传模块交给 AI 写注释和文档，后来人上手快了一倍。我后来想明白，让 AI 读旧代码写说明，ROI 比让它写新代码高，且风险低——它写错了注释你一眼能看出，它写错了代码你可能上线才发现。
AI 生成的代码，我不读就直接用，直到出事
有阵子我跳过 review 直接用 AI 代码，因为「看起来都对」直到一次没读的代码藏了个删库级 bug。立了规矩：AI 代码至少过一遍 diff。省十分钟 review，换来的是在线上炸雷。
重构时，让 AI 只动一个函数
一次让 AI 大重构，它滚雪球改到一团乱最后崩了。后来我改成每次只让它动一个隔离函数、跑一遍测试再继续。重构这事，AI 的价值在量不在幅——小步快走，远比一次性大改安全。
把测试交给 AI 写，但把断言留给自己
让 AI 给一段代码写测试，它生成了全套用例，跑得全绿，但一个真实 bug 都没覆盖。AI 会铺测试代码，但「什么算对」必须人来定，否则它能写出一堆永远通过却毫无用处的测试。
AI 写代码最快翻车的地方，是它没看见的边界
让 AI 改一个函数，它写得对，但碰了它不知道的隐性依赖，上线才炸。AI 看得见的代码它能改对，它看不见的边界它会撞坏。喂足上下文���让它动手，比指望它自己推断边界靠谱。
Agent 不该有删除权限
一次 Agent 误删后，我把所有工具的写权限收了回来，只留「加」和「查」。最小权限在 Agent 上要更狠——它不只会犯错，还会自信地犯错。给只读和追加，出了事还能回滚；给了删除，就没有后悔药。
让 Agent 先复述任务再做
加了一个「复述任务确认」步骤后，Agent 跑偏率降了一大截。Agent 理解偏了再执行是最大的浪费，让它先用自己的话把任务说一遍，错了你能在它动手前纠正，而不是等它交一堆废稿。
多 Agent 协作，最难的不是分工是对齐
让两个 Agent 分头干活再合并，俩各自「完成」了，但产物对不上。多 Agent 的难点不在把任务切开，在切开之后怎么让它们对得上——靠共享状态和契约，而不是纯靠消息传递。
把工具说明书写给一个不看的人
我给 Agent 写的工具描述一开始像写给开发者的正经文档，调用错误率一直高。后来我把它砍成 API 注释一样短而精确的几行，错误率骤降。Agent 不读文档，它扫文档。
Agent 的第一个失败信号，是它开始重复同一个动作
让一个订票 Agent 自己跑，它对同一个空座反复查询了 30 次才停。我后来才明白，Agent 卡在循环里不是 bug 是常态，得主动设动作去重和步数上限，否则它能在原地空转到天荒地老。
用 JSON 而不是自然语言要输出
从「请列出几点」换成明确 schema，后处理解析失败率从一片到归零。结构化输出的本质不是格式好看，是消除歧义——让模型不用猜你要什么，你也不用猜它给了什么。
少即是多：砍掉一半提示词后效果反而好了
我逐句删提示词做 A/B 测试，发现删掉一半句子，效果不降反升。原来那些「请准确」「请仔细」的指令在互相打架，精简到核心意图，模型反而执行得更稳。
给模型一个「草稿纸」
同一道数学题，直接要答案错一片；让它先分步想再答，正确率跳一档。给模型一张「草稿纸」让它把思考写出来，比逼它一步到位强。而且那张草稿纸你还能审计。
让模型说「我不知道」，比让它假装知道有用一万倍
给问答接口加了一句「不确定就明确说不确定」，错误率没降，但可信度大涨。因为它不再硬编。一个会认怂的模型，比一个嘴硬的模型有用得多。
上下文不是越长越好，是越靠前越好
把同一句关键指令从 prompt 中段挪到开头，遵循率明显上升。原来模型对上下文的注意力不是均匀的，而是前后强、中间弱。关键信息放对位置，比堆更多上下文管用。
让模型自我检查，比让它一次写对更靠谱
同一批任务，一版要求一次写对，一版先写再自评改一遍。后者错率低了一截，且每处改动都有理由可查。我从此不再追求「一次成型」，开始追求「写完再审」。
小模型 + 好提示，干掉大模型 + 懒提示
把摘要任务从大模型换成小模型加结构约束，质量没掉，成本降到十五分之一。这次实测让我不再默认「用最大的」，开始按任务配模型——大模型不是万能药，是贵药。
我不再追模型的新功能，开始追它的旧 bug
我曾经每个新模型发布都追着试新功能，直到发现真正拖慢我的是那些我早就该记住的旧坑。整理了一份「某模型坑表」后，我的调用成功率反而升了。追新不如扫旧。
看 benchmark 涨了 3 分，我反而更警惕
某模型发布说某榜单涨了 3 分，我把手头 20 个真实任务丢给它跑，它在榜单上的对手赢了我的 14 个。从那以后我看评测分数，第一反应不是「它变强了」，而是「它在什么上变强了」。
推理模型不是更聪明，是更会想
同一道 debug 题给普通模型和推理模型，普通模型直接给答案，推理模型先说「我怀疑这里」。我后来才明白，推理模型真正的价值不在答得更对，在于它把怀疑写在了答案前面，让我有机会在它错之前把它拽回来。
模型更新后，我做的第一件事是跑旧用例
某次小版本更新后，我那套原本好用的提示词集体翻车。回滚对比才定位到原因：不是模型变笨了，是它变「乖」了。从此我给每个主力模型都配了一套回归用例。
机器负责生成，我负责选择
AI 能一分钟写出十篇文章，但「写出来」和「值得读」之间的距离，一点都没有变短。关于创作者在这个时代还剩下什么。
让 AI 改我的旧代码之前，我先立了三条规矩
把一个两年的旧项目交给 AI 重构，第一次它差点把我的存储层删了。第二次我学乖了：先立规矩，再放手。
Agent 踩坑记：它不是更好的函数调用器
让 Agent 自己订机票式的任务跑了一个月，我踩过的坑可以归成一句话：它擅长决定做什么，不擅长记住做过什么。
提示词里真正起作用的，是结构不是咒语
「你是资深专家」这类开场白的效果被我高估了。真正让输出质量上一个台阶的，是三件朴素的事：给例子、给约束、给出口。
128K 上下文不是记忆：一次长文阅读实测
把一篇八万字的论文塞给模型，它背得出结论，却说不清论证过程。这次实测让我重新理解了「上下文窗口」这四个字。