以前我的笔记很乱，有些是读书摘抄，有些是看视频记的要点，还有些是突然想到的念头。它们散落在obsidian不同的笔记里，没有分类，结构也是比较混乱。后来我让Claude帮我整理，希望它给笔记分个类。它一顿操作猛如虎，几分钟后，Claude给了我一个完整的知识库方案，还不只是分了类。它重新设计了整个体系，用的是流行的PARA四层结构，给每个结构补充了定义和背景，建立了笔记之间的关联关系，标注了哪些是基础概念、哪些是进阶内容，甚至，还给我推荐了几本书。我看着这个方案，第一反应是：哇，好专业。第二反应是：这还是我的笔记吗？那些我自己的理解、自己的困惑、我觉得重要的点，都被“优化”掉了。剩下的是一个标准的、完整的、但完全陌生的知识图谱。

太强也是问题？

这不是Claude的问题，恰恰是因为Claude太强了。它知道什么是好的知识体系，它知道概念之间应该怎么关联，它知道学习路径应该怎么设计。正因为它什么都知道，所以它会本能地把任务做到完美。但完美不等于你想要的。我后来又试了几次，换了不同的场景。总结一本书，我本来只想要几个关键观点，它给我写了2000字的读书笔记，包括作者背景、写作动机、核心论点、论证逻辑、现实意义，还有延伸阅读建议。整理会议记录，它给我写了完整的会议纪要，包括每个人的发言要点、讨论过程、决策依据，还有会议背景说明。AI给的答案都“很对”。但每一次，我都要花时间从这些“完美”的输出里，找回我真正需要的那一小部分。这让我想起一个词：能力的诅咒。能力越强，可能性空间就越大。可能性空间越大，就越容易偏离你的真实需求。就像你新请了一个助理，你让他帮忙收拾一下桌子，他可能只是把东西摆整齐，也可能把东西分类整理到抽屉里，甚至还可能把你整个房间都重新布置一遍。他不是故意的，他只是在尽所能帮你做到最好。问题是，他理解的“最好”，可能跟你需要的不是一码事。和你妈让你穿秋裤，一个道理。

边界在哪？

很多人开始意识到，用AI的关键在于：我要让它做什么。这听起来像废话，但实际操作起来完全不一样。前两年，提示词工程还是个需要认真学习的技能，人人都在死磕，还提出了很多提示词的架构。后来模型能力越来越强，很多人以为可以不用那么精确了，给个大概方向，模型反而有更大的发挥空间。没毛病，提示词，确实比起以前相对不重要了，但模型越强，边界越重要。还是整理笔记这件事，我后来换了个说法：“把这些笔记按主题分类，只分类，不要补充内容，不要建立关联，不要优化结构。分完类之后，把每个主题下的笔记按时间排序。”这次Claude给的结果，就是我想要的。它没有重新设计知识体系，没有补充定义，没有建立关联。它只是老老实实地把笔记分了类，按时间排了序。简单，直接，有用。AI的能力是天花板，它决定了上限。但约束是地基，是下限，它决定你能不能稳定地得到你想要的结果。你不仅要说清楚你要什么，更要说清楚你不要什么。没有约束的能力，就像一辆没有方向盘的跑车。你根本不知道它会开到哪里去。

约束是什么？

给AI加约束，会不会限制它的能力？根本不会。约束不是在削弱AI，而是在告诉它怎样算是做对了。没有约束的时候，AI只能按照它自己的理解来判断什么是“好”的结果。而它的理解，往往是又完整又专业又全面。但你真正需要的，不过是简单、直接、够用。这个差距，就是约束要填补的。我又拿写周报这件事做了尝试。没有约束时，AI给我写了800字，包括工作概述、项目进展、数据分析、下周计划、个人总结，每个部分都用无序列表详细展开。加上约束后，AI只写了150字：本周完成3条，下周计划2条，简单明了，没有形容词。两个版本都是AI写的，能力是一样的。但结果完全不同。第一版，AI在秀肌肉。第二版，AI真正在解决我的问题。

不是对立

最近人们在讨论一个更大的问题：到底是模型能力更重要，还是约束更重要？前段时间，Claude推出了Harness的概念，让开发者可以给模型加上结构化的约束。很多人第一反应是：这不是在限制模型的能力吗？只是他们没有想清楚。Harness的出现，说明追求更强的模型，和设计更好的约束，不需要二选一。能力和约束，不是对立的。能力决定了可能性的边界，约束决定了你能不能稳定地在边界内达到目的。就像赛车手需要一辆性能强大的赛车，更需要一条清晰的赛道。无论模型强弱，约束都必不可少。

能力强的模型，它的可能性空间太大了。它可以写诗，可以写代码，可以写论文，可以写段子。你让它帮忙写点东西，它有一万种方式来理解你的需求。不约束，它只能猜，猜怎么做到最完整、最专业、最全面，生怕出错。用强的模型时，你会发现它容易“想太多”。正是它太聪明了，会考虑各种可能性，然后给你一个最保险的答案。而这个最保险的答案，往往不是你想要的。对于能力弱的模型，约束同样重要。比如早期的GPT-3.5，你就算给它很详细的约束，它也很难给出高质量的输出。但没有约束，它连方向都找不到。

怎么做？

我们应该怎么用AI？我现在的习惯是：在给AI任务之前，先想清楚三件事。我到底要什么？想清楚最后要得到什么结果。比如整理笔记，我要的是“能让我快速找到之前记过的内容”。这个问题想清楚了，后面的约束才有方向。AI可以动什么，不能动什么？这是在划边界。比如让AI改邮件，它可以改语气、改用词，但不能改核心意思。让AI整理笔记，它可以分类、排序，但不能补充内容。边界划清楚了，AI才不会“越界”。我怎么知道AI做对了？这是在设检验标准。比如写周报，标准是“200字，3条要点，每条一句话”。整理笔记，标准是“按主题分类，每个主题下按时间排序”。有了标准，你才能判断AI的输出是不是你想要的。这三个问题，都在做一件事：把你脑子里模糊的需求，变成清晰的约束。AI不会读心术，它只能按照你给的信息来工作，当然，这不是说每次用AI都要写一大堆约束。简单的任务，简单的约束就够了。复杂的任务，才需要更详细的约束。关键是：你要知道自己在做什么。现在AI越来越强了，GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro，一个比一个厉害。但真正能用好它们的人，不是那些懂最多技术的人，而是那些最清楚自己要什么的人。你画出的边界，决定了AI能帮你走多远。