AI Agent 系列之:2个方法让 AI 第1次就做对-夜雨聆风

AI Agent 系列之:2个方法让 AI 第1次就做对

先谈清楚再动手：让 AI 第一次就做对的两个方法

“帮我做一个好看的网站。”

AI 做出来了。你看了——不对，不是你要的感觉。

“改一下，要更专业。”它改了。还是差点意思。

“再调一下风格，更现代感。”又改了一轮。

这个循环你经历过吗？

问题不在 AI 不够强——问题在于“好看”、”专业”、”现代感”这些词，你和 AI 的理解完全不同，而这件事你们从来没有讨论过。

这期讲两个方法，从根源解决这个问题：一个让你在开工前定义清楚”完成”是什么样的，另一个让 AI 先问你几个问题、把你自己都没意识到的需求挖出来。

方法一：先签合同再开工——Prompt Contract

为什么模糊任务会导致失望？

当你给 AI 一个模糊的任务，它会选择某个它认为合理的路径去做——而这条路径，很可能完全不是你想的那条。

“好看”是什么意思？谁的审美？什么风格？”功能完整”包含哪些功能？”不犯错误”——哪类错误是不可接受的？这些都没有被定义。

绝大多数人觉得”AI 做不好复杂任务”，背后的真正原因不是 AI 能力不够，而是任务定义不清楚。人类项目管理早就发现了这个规律：绝大多数项目失败不是因为执行力差，而是因为一开始没有定义”完成”是什么样的。

什么是 Prompt Contract（提示词合同）？

在 Agent 开始任何非平凡任务之前，先让它分析你的请求，起草一份四段式合同，展示给你确认，你批准后再动手。把”好看”、”完整”、”专业”这些主观词语，变成可验证的具体标准。

合同的四个部分

① 目标（Goal）

这个任务最终要交付什么？成功的最终状态是什么样的？
示例：“交付一个单页营销网站，目标用户是访客，最终状态是用户在到达页面后能在 30 秒内理解这个产品是什么。”

② 约束（Constraints）

做的过程中有哪些不能违反的边界？
示例：“只用 HTML/CSS/JS，不依赖外部框架；总代码不超过 500 行；必须在移动端正确显示。”

③ 格式（Format）

输出的具体形式是什么？包含哪些元素？
示例：“包含板块：Hero 区（标题+副标题+CTA）→ 核心功能（3 列）→ 客户证言 → FAQ → 页脚。所有板块使用滚动触发淡入动画。”

④ 失败条件（Failure Conditions）——最容易被忽视，往往最有价值

什么样的结果是明确不可接受的？
示例：“以下情况视为失败：看起来像通用的 Bootstrap 模板；在手机端出现布局错位；动画卡顿；超过 500 行代码；配色与品牌明显不符。”

它明确说出了你不想要什么——这往往比说想要什么更容易定义，也更容易被 AI 理解和遵守。

对比效果

工作流	结果质量	修改轮数
直接给模糊任务	猜测居多	5-8 轮
Prompt Contract	比较准确	2-3 轮
反向提示 + Prompt Contract	非常准确	0-1 轮

方法二：让 AI 先问你——反向提示

合同有时候还不够，因为你自己也不知道要什么

Prompt Contract 解决了”定义不清”的问题，但有一个前提假设：你的任务描述已经包含了所有关键信息，AI 只需要整理和结构化。

现实是：很多需求是隐性的——你知道不喜欢什么，但直到看到它出现才意识到；很多偏好是口味性的——你有强烈的风格偏好，但在给任务时没想到要说；很多约束是被遗忘的——技术限制、预算边界，说任务时根本没提。

这些隐性需求，即使有了合同，做出来还是差了一口气。

什么是反向提示？

在 AI 执行任务之前，先向你提出 5 个澄清性问题，把那些你自己都没意识到的需求、假设和偏好挖出来，然后再起草合同。

普通提示：你告诉 AI 做什么。反向提示：AI 先问你，收集信息，然后再执行。

五类问题覆盖哪些盲点？

① 明确需求 — “这个任务的核心目标是什么？”确认交付物

② 隐性假设 — “这是静态页面还是需要框架支持？有技术约束吗？”把需要猜测的技术决定显性化

③ 决策节点 — “导航栏固定跟随滚动，还是只在顶部？”有多种等效方案的地方，提前让你选

④ 失败模式 — “有没有你特别不喜欢的设计风格，不希望做出来像什么？”把底线提前说出来

⑤ 口味偏好 — “整体视觉氛围你更倾向哪种？有没有你喜欢的参考网站？”挖掘主观审美偏好

关键：这 5 个问题是根据你的任务动态生成的，不是固定模板。问”帮我做一个数据分析报告”和”帮我做一个营销网站”，生成的问题完全不同——因为关键的不确定点完全不一样。

反向提示的副效果：让你想清楚自己要什么

很多时候，在回答 AI 的问题时，你才意识到自己有某些从来没明确表达的偏好——这本身就是很有价值的思维过程。反向提示不只是”收集信息”，它在帮你把模糊的想法变成清晰的要求。

最强组合：链式使用三个方法

这两个方法和上期的子 Agent 验证循环，构成了一套完整的任务质量保障工作流：

用户给出任务
↓
反向提示（5个问题）← 把隐性需求挖出来
↓
用户回答问题
↓
Prompt Contract 生成 ← 定义”完成”的标准
↓
用户确认合同
↓
Agent 执行
↓
子 Agent 验证循环 ← 用合同标准做零偏见审查
↓
最终交付

阶段	方法	解决什么问题
任务定义前	反向提示	把隐性需求、口味偏好挖出来
任务开始前	Prompt Contract	把”做好”变成可验证的标准
任务完成后	子 Agent 验证循环	用合同标准做零偏见质量检查

判断是否需要这套流程：任务里是否用了”好看”、”专业”、”完整”、”合理”这类词？如果是，就用。

本期关键收获

AI 做不对，大多数时候是任务定义不清，不是 AI 能力问题
Prompt Contract：四段式合同（目标+约束+格式+失败条件），把主观词语变成可验证标准
失败条件是最容易被忽视、也最有价值的部分——说清楚你不想要什么
反向提示：AI 先问你 5 个问题（明确需求/隐性假设/决策节点/失败模式/口味偏好），把隐藏需求挖出来
最强组合：反向提示 → Prompt Contract → 执行 → 子 Agent 验证，三段闭环

下一期讲 Agent 使用中最被低估的性能问题——上下文窗口管理：随着任务推进，Agent 的”工作记忆”会越来越满，质量下降、成本上升。”冰山技术”帮你只把当前需要的内容放在水面上，让 Agent 始终在最佳状态运行。

AI Agent 完整教程系列 | 第 7 期