真正会用AI的人,不是提示词写得更长

慧 加 心 流 空 间

最近，我看完了 Claude Code 创建者 Boris Cherny 的一场公开分享。

他讲的是程序员如何使用 Claude Code，但我听完之后发现，这场分享真正讲的，并不只是写代码。

它讲的是：

人应该怎样和AI一起工作。

很多人以为，会用AI，就是会写提示词。

提示词写得越长、越详细，AI就应该越聪明。

可是真正开始使用以后，我们很快会发现：有时候指令已经写了一大段，AI给出的结果仍然不是我们想要的。

问题往往不在于少写了一句话，而在于我们没有建立一套完整的协作方式。

真正拉开差距的，是下面四件事：

给AI足够的上下文；复杂任务先做计划；让AI能够检查结果；把重复工作沉淀成系统。

· · ·

一、刚开始使用AI，不要急着让它干活

很多人打开AI后的第一句话是：

“帮我写一篇文章。”

“帮我做一个方案。”

“帮我分析这个项目。”

我们一上来就让它执行。

但 Boris 给初学者的第一个建议，却是先不要让AI修改或制作东西，而是先向它提问。

例如：

· 这个项目现在是怎么运作的？

· 这份资料中最重要的部分是什么？

· 过去为什么会做出这个决定？

· 哪些内容已经完成，哪些地方还有问题？

先让AI理解你的世界，再让它进入工作。

这件事对我很有启发。

因为AI不是一个许愿池。我们不能丢进去一句话，就期待它自动理解我们过去几十年的经验、判断标准和真正目标。

它更像一个刚加入团队、能力很强的新同事。

如果你没有告诉它项目背景、已有资料、做事原则和不能触碰的边界，它就只能猜。

而AI最危险的地方，并不是它不会做，而是它常常会在不知道的时候，仍然给出一个看起来很完整的答案。

所以，与AI合作的第一步不是下命令，而是让它先理解。

· · ·

二、AI最需要的，不是更多指令，而是更多背景

我们经常把注意力放在“提示词应该怎么写”。

但决定AI能不能做对的，往往不是一句提示词，而是它掌握了多少与你有关的背景。

你是谁？

你正在做什么？

你为什么要做这件事？

你已经做到哪里？

你判断好坏的标准是什么？

什么事情它可以自己决定，什么事情必须先问你？

这些内容，才是AI真正需要的上下文。

在 Claude Code 中，人们会使用一个名为 CLAUDE.md 的文件，把项目结构、常用命令、工作规则和重要资料写进去。

AI每次开始工作时，都会先读取这份文件。

我把它理解为：

给AI准备一本“如何与我工作”的说明书。

如果把这个方法放到普通人的工作与生活中，这份说明书可以包括：

· 我的身份和长期方向；

· 我目前最重要的项目；

· 我的表达方式和价值判断；

· 已经确认过的方法；

· 不能编造、不能越过的边界；

· 哪些工作可以自动完成；

· 哪些动作必须经过我的确认。

当这些背景被持续整理下来，AI就不再只是一次性回答问题的聊天工具。

它才有可能逐渐成为真正理解你、能够配合你的工作伙伴。

· · ·

三、复杂任务，先让AI做计划

另一个让我印象很深的建议是：

面对复杂任务，不要一开始就让AI执行。

可以先对它说：

先不要开始制作。请先理解现有资料，提出方案，等我确认之后再执行。

这句话看起来很简单，却会改变整个合作过程。

因为很多返工，并不是AI能力不够，而是它在还没有理解方向的时候，就已经开始往前跑。

如果任务很小，直接执行没有问题。

但如果是一篇重要文章、一套课程、一个内容系列、一个客户方案，或者一个长期系统，先做计划会更稳。

计划阶段可以先确认：

· 最终目标是什么；

· 要解决谁的问题；

· 需要哪些资料；

· 采用什么结构；

· 哪些地方存在风险；

· 什么标准才算完成。

人先确认方向，AI再加速执行。

这样做不是拖慢速度，而是在减少跑偏和返工。

· · ·

四、不要只让AI交作业，要让它检查作业

Boris 在分享中反复提到一个很重要的原则：

要给AI一种能够看见自己结果的方法。

写程序，可以运行测试。

制作网页，可以让AI查看截图。

开发应用，可以让它检查模拟器中的真实效果。

当AI能够看到结果，它就可以根据反馈再修改一次、再检查一次。

这和我一直在实践的 T-PDCA 很接近：

选题、预测、执行、复盘、调整。

不管是做文章、口播还是短视频，都不能只是“生成一次就结束”。

我们需要给AI反馈：

· 这篇文章读起来顺不顺；

· 这张图在手机上是否看得清楚；

· 这个视频观众在哪一秒离开；

· 哪个标题有人点击；

· 哪个方法真正帮助了别人。

有了真实结果，AI才能继续调整。

没有反馈的AI，只是在不断猜测。

有反馈的AI，才会进入学习和迭代。

· · ·

五、重复做的事情，应该变成固定流程

当一件事情需要反复完成时，就不应该每一次都从头解释。

例如我的内容工作，可以逐渐形成这样的流程：

灵感出现，先记录；

整理成知识卡片；

知识卡片变成口播；

口播变成分镜和配图；

完成视频和文章；

发布以后收集数据；

最后把真实反馈写回原来的知识系统。

当这个过程只存在脑子里，它很容易因为忙碌而中断。

当它被写成清楚的步骤、模板和规则以后，AI才可以参与协作。

在技术世界里，这些固定流程可以做成命令、工具或 Skills。

在我的系统里，它们会变成一个个可以重复调用的工作角色和方法。

它们不是为了让AI取代我的判断，而是为了让我不必把精力浪费在重复说明和重复整理上。

· · ·

六、不是所有事情都应该交给AI决定

AI可以越来越自动，但自动并不等于没有边界。

我更愿意把工作分成两类。

第一类，是AI可以自动处理的事情：

· 阅读资料；

· 整理信息；

· 提出初稿；

· 检查格式；

· 分析数据；

· 提醒可能遗漏的问题。

第二类，是必须由人确认的事情：

· 正式发布；

· 删除重要资料；

· 对外发送信息；

· 使用客户隐私；

· 改变关键方法；

· 代表个人或品牌作出承诺。

AI越强，边界反而越重要。

真正好的系统，不是让AI什么都做，而是清楚知道：

什么时候它可以自己前进，什么时候必须停下来等人决定。

· · ·

七、AI不是来代替你的，而是放大你的

看完这场分享，我最大的感受是：

AI真正放大的，从来不是提示词，而是一个人原本已经拥有的东西。

如果你没有自己的经验、判断和方向，AI会放大混乱。

如果你有真实经历，却没有整理，AI可以帮助你把经验变成知识。

如果你已经形成方法，AI可以帮助你把方法变成内容、流程和系统。

所以，我正在做的并不是把人生交给AI。

而是把自己走过的路、做过的事、形成的判断，一点一点整理出来，再让AI帮助我连接、表达和执行。

真实经历形成知识。

知识形成表达。

表达带来行动。

行动产生反馈。

反馈再回到知识。

这才是我理解的个人AI系统。

它不是替我生活，而是帮助我更清楚地看见自己，更稳定地走接下来的路。

· · ·

真正会用AI的人，不一定写得出最长的提示词。

但他们通常做好了四件事：

给AI上下文，复杂任务先计划，让结果可以被检查，再把重复经验沉淀成系统。

当这四件事开始连接起来，AI就不再只是偶尔使用的工具。

它会逐渐成为一个能够与你长期协作的工作伙伴。

这里是「慧加心流空间」。

我们一起把混乱的经验整理成方法，把偶然做对的事情，变成可以持续拥有的能力。

· · ·

资料来源与创作说明

本文受 Anthropic 技术团队成员、Claude Code 创建者 Boris Cherny 的公开分享 《Practical Claude Code Tips and Tricks》 启发。

文章并非演讲的逐字翻译，而是由慧加结合自己使用AI、搭建个人工作系统及实践 T-PDCA 的经验，进行重新理解、整理与延伸。

原始内容参考：

https://d.biji.com/GYiobuyTtFyfreSP

本文由慧加整理与创作，AI辅助编辑及配图。

慧加心流空间 · 2026