你可曾这般思考，就是当下与AI协同合作之际，其关键点已然并非在于编写代码了。于最近这段时日，好多开发者以及团队察觉到，实际上促使AI自“聊天工具”转变成为“员工”的，乃是一套文档体系。你耗费45分钟构建好三个markdown文件，而在下一回或许仅仅凭借10个词的提示，它便能够径直输出你所期望的成品。此套方法的核心要点，便是将你的工作流程、个人背景、执行规则，统统撰写成AI能够读懂的说明书，从而让它每一回都能够直接进入工作状态。
理解模型分层，选对工具干对活
好多人在刚开始接触AI之际，极易弄不明白该采用哪一个模型。实际上相当简便，Claude适宜于进行快速提问，Sonnet有利于让AI替本人去执行繁杂任务，Code模型专门致力于开发，Haiku则运行于后台开展自动化处理。比如说你要 rapidly 撰写一份会议纪要，使用Claude便可以；然而要是你打算让AI去剖析Excel里的好些条销售数据并生成图表，那就得运用Sonnet这类能够调用工具和文件的模型。
对上下文长度的要求，在不同任务中是不一样的。以往处理长文档时，要将其分块，还要做摘要，并且使用滚动窗口，如今很多模型能够直接支持把整本书放进去。有一个简单的判断规则，即：在聊天场景下使用快速模型，让AI干活的情况选用专业版，开发任务采用代码专用版，重复性工作应用低成本模型。要是选错了，要么会浪费钱，要么无法完成任务。
用三个文件解决冷启动问题
每一回跟AI协同合作时最令人厌烦的是什么，是要从起始点开始去进行解释，你是什么人，正在开展什么项目，拥有怎样的偏好，会采用何种格式来输出。经由三个markdown文件便能够将此问题予以解决，一个文件撰写“我是什么人”，用以介绍你的角色以及背景情况，一个文件撰写“我正在做什么”，用来阐述当下项目的目标，一个文件撰写“AI怎样去执行”，以此规定它的行动准则。
这三个文件构建起来所需成本极其低，有用户花费了45分钟便完成了初始配置，此后每一次新任务，仅仅只需要在提示当中添加一句“依据我的配置文件去执行”，AI便能够自动进行读取并且遵循你的规则，比如说你规定“输出之前先去确认方案”“千万不要做删除操作”，它都会依照要求办理，这就等同于给AI做了一回上岗培训，之后它便能够按照你的标准去干活了。
把交互变成表单，让 AI 主动问需求
你是否碰到过这般情形呢？给予AI一段指令，它却理解出现偏差，最终输出并非你所期望的。当下存在一个技巧，在提示里添加上“Start by using ”，AI将会自动生成一个交互式表单。这个表单会罗列出多选问题、可点击选项 ，以及几条明晰的路径，助力你将模糊的需求转变为具体能够执行的方案。
若第一轮的问题尚未达成对齐状态，你径直明晰指出其中存在的不妥之处，那么它便会生成第二轮问题，持续地进行迭代，一直到全然领会你的意图为止。这相较于你个人反复去修改提示词而言，要高效许多。比如说，你吩咐它“整理迪士尼的视频”，它会率先询问你按照何种标准进行分类、输出怎样的格式、是否要提取 GPS 信息等等。待你填好表单之后，它便直接着手开展工作，在此过程中无需你再度进行补充说明。
让 AI 在你的电脑里自主执行
先前要是让AI去做些事情，那你就得一步一步地告知它点击何处，该如何去进行操作。当下情形有所不同，你仅仅需要描述一下“结果呈现出怎样的样子”，AI便会自己去拆解任务，随后在你的电脑当中一步步地开展执行工作。比如说你想要整理317个有关迪士尼世界的视频，它能够从视频的元数据里提取GPS坐标，进而判断出每个视频所对应的园区位置，接着自动将其归类到不同的文件夹里。
甚至更具厉害之处的是，在AI与浏览器以及系统能力相互结合之后，它是能够去读取控制台报错情况的，还能读取网络请求以及页面结构。偶尔会出现这样的事，当你的前端页面遭遇问题之时，而你自己却尚未察觉，然而它却早已定位到导致该问题产生的原因所在了。并且，这种模式在手机上面同样是可以得以运用的哟：你向AI发送一条消息之后，它便能够在你家中的电脑上面执行相应任务，既要处理文件，又要操作Git，还要运行代码，随后再把最终的结果反馈回给你。
把记忆和规则做成可复用的体系
不少人遗漏了一个细微之处，那就是：AI 的调度层面不会自行读取你的 markdown 配置文件，它是依据默认假定来生成任务提示的。因而你得将关键规则写在个人配置当中，好似~/.config/ai/profile.md 这般，如此一来每次启动的时候便会生效。这些规则能够是代码规范、输出格式、质量标准，甚至清晰界定哪些行为需要规避掉。
要是你这儿存在多个项目，那还能够针对每个项目去构建独立的工作空间，此工作空间涵盖自身的文件、链接、指令以及记忆。开发者呢，还能够于规则文件里头添加上 glob 模式，从而让某些规则仅仅在处理特定文件之际才会生效。举例来说，在处理 Python 代码之时自动启用 PEP8 规范，于处理前端代码之时启用 ESLint 规则。这一套体系一旦搭建好，便具有可复用、可协同的特性，AI 也就成为了你软件生产流程的其中一部分。
从数据分析到自动化，AI 嵌入软件体系
如今，AI 的能力已然渗透进传统的软件工具啦，它能够连接 Google Drive，直接去读取你最新的项目文档，进而总结出那些得以关注的重点，连接 Excel 之后，它可开展数据分析、生成图表，甚至还能帮你完成演示文稿，结合 API 时，它能够触发自动化流程，就像检测到新邮件便自动进行整理并且回复。
于实际运用里，AI 所能做之事远不止聊天，有用户借助它开展任务管理，Tasks 具备依赖关系，准许多个子代理一块儿协作，当会话快要靠近上下文上限之际，AI 会自行对早期内容予以摘要压缩，进而释放空间，在这样的模式当中，AI 已不再是单一的聊天窗口，而是底层能力，嵌入至你的整个工作流内，甚至你能够于手机上经由聊天软件，随时去调用一个全天候待命的 AI 工作节点，让其帮你处理本地机器上的任意任务。
你可曾思索过，当下就着手搭建自身的AI工作体系呢？仅仅只需耗费不到一小时去撰写三个文档，往后你的AI便能够如同经验丰富的老员工那般直接开始干活了。你打算从哪一个任务着手尝试一番呢？
© 版权声明
文章版权归作者所有，未经允许请勿转载。
