夜雨聆风适合：正在使用 AI Agent 的个人与团队 / 想减少返工、避免 AI越界或上下文混乱的人｜预计阅读 5 分钟
⬆️欢迎点击“VAI演武场”关注我
AI 应用赛道的热点文章有一类文章将炫目结果与“神提示词”一关联，每每读到、总会有种“我也可以了”的错觉。
过去半年，我和 AI 一起做过境外市场调研，搭过服务器、建过官网，接过媒体平台和银行信息 API、出过自动化报表、筛过理财产品，做过 AI 短剧和日常应用，也改过商业文件、搭过学习资料库。
复盘各类场景需求和产出结果，我认为决定 AI 生产和协同效果的，绝不是某条“神提示词”，而是有没有提前约定好：
关键要素
这件事的目标是什么？
AI 可以做到哪一步？
什么权限不能触碰？
依据哪一份文件工作？
谁来做最终决定？
哪些经验需要留下？
要接受人和 AI 的交互跟人与人的沟通一样，会漏掉信息、也会有误解、还会产生幻觉。
任何一方都不完美，也不应被预设为绝对正确。
真正有效的协作，离不开一套双方都能遵守、也能够被检查的规则。
下面这 7 条，是我们在一次次真实任务中磨合出来的，既是记录，也是分享。
立规矩一分钟，省时间数小时（甚至数天）。
01 认清差异
很多朋友问我，哪个 AI 最好用。其实不用问“哪个 AI 最强”。
首先要看你想解决什么问题，而这个 AI 模型适合承接什么任务。
有的模型擅长查资料，
有的擅长写代码，
有的更适合长文本、图像或者工具调用。
即使是同一个 AI，在是否联网、能否读取本地文件、可拥有什么权限时，能力边界也会天差地别。
开始前，务必先确认三件事：
AI 能读取哪些资料？
AI 能调用哪些工具？
哪些部分无法完成或需要我配合？
差异不等于缺陷，AI 也不是万能答案。
任务应该按照模型擅长的实际能力来分配。
关键结论仍要接受事实和结果的校验。
02 立好规矩
合作初期，即建立 project 时或者给你的 AI 伙伴立人设时，要讲明目标、Dos 和 Don'ts（最重要的兜底红线）。
尽量前置说明：
哪些事情可以直接推进，哪些需要先问；
哪些信息应该记住，哪些坚决不能进入记忆；
哪些文件可以改，哪些系统权限不能碰。
在几个月前立好规矩后（写入了 project 项下 .md），昨天在一次 API 接口授权过程中，我希望 AI 帮我快速接入并处理即将失效的临时 token，触发规则后，AI 主动提示我如下信息：
真实协作记录｜点击图片可放大查看
于是我重新走了一遍正确的授权流程。
为了避免给后续留下隐患。
通用兜底规则如下：
Dos：可以读取、整理、比较、生成草稿并提出建议。
Don'ts：未经确认，不得接触密码和密钥；
不得擅自支付、删除、发布；
不得修改已锁定内容；
不得把推测写成事实。
边界不是效率的反面。
说清边界，反而能减少中途停下来反复确认。
03 分清决策权
AI 能查资料、做比较、提出建议，也能在得到授权后执行操作。
不过不要把这几件事混为一谈。
预先分清决策权很重要。
不然 AI 模型在大多数场景下，在过程中替你做出关键决定，在严肃任务最后出现一个致命“幻觉”。
可以把任务分成四层：
查资料：AI 搜集、读取并标注来源。
做分析：AI 比较选项，指出风险和未知项。
做决定：由我确认目标、取舍和最终结论。
代执行：涉及资金、账号、发布和系统操作时再次授权。
筛选理财产品时，AI 可以阅读二三十页的说明书，也可以补充官网数据，但不能只凭近 x 天表现就替我决定是否购买。
真实协作记录｜点击图片可放大查看
它需要先核对产品类型、持有期限、赎回规则、费用和底层资产，然后根据我事先说明的任务目标和责任边界，再把已确认信息、未知项和风险交还给我。
AI 可以增强人类的信息处理能力和效率。
最终决策及结果，仍由人自己来承担。
04 过程中对齐
长任务中，最常见的问题之一不是 AI 不会做，而是它和我拿着不同版本工作。
例如，我修改并保存一份 17 页文件后，AI 没有继续沿用旧的 16 页版本，而是重新扫描文件，确认页数、保存时间和页面顺序，再把最新文件设为唯一底稿。
真实协作记录｜点击图片可放大查看
在处理重要文件时，我们需要确认：
哪份文件是唯一事实来源？
它的版本、时间和页数是什么？
哪些内容已经确认并锁定？
本轮允许修改哪些部分？
新旧材料冲突时，以什么为准？
尤其是我已经手动修改过的内容，AI 不能因为重新生成而覆盖回旧版本。
上下文越长、参与工具越多，过程中对齐越重要。
05 分阶段授权
不要把一个复杂任务整包交出去，等最后一刻才看结果。
更稳定的方式是分阶段授权：
先确认目标，
再做小范围试跑，
检查关键结果，
扩大执行范围，
在高风险节点再次确认，
最后完整验收。
例如制作公众号图片时，我们先锁定标题、文字、二维码和专业符号，再做整体排版。
设计短剧角色时，则先锁定人物骨相和服装母版，再进入四视图、表情和动态镜头。
这样即使中途出现错误，也可以只修有问题的部分，不必整套推倒重来。
信任不是默认 AI 不会犯错，而是让错误能在扩大前被识别。
06 管理记忆
长期协作不是让 AI 什么都记。
真正有用的是分清：哪些信息下次还会提高效率，哪些信息一旦保留反而会增加风险或干扰。
通用记忆规则：
适合保留：
稳定的表达与排版偏好。
已经确认的品牌规则。
项目中的固定约定。
长期使用的验收标准。
已批准并锁定的版本。
不应保留：
密码、Token 和临时授权。
个人敏感信息。
未经核实的临时结论。
只服务于单次任务的指令。
已经否决且可能继续造成干扰的错误方案。
好的协作不是记得多、记得久，而是该记住的能够复用，不该记住的及时清理。
07 决定是否做成 Skill
不是每次协作，都值得封装成 Skill。
以短剧人物设定为例，在完成人物母版、四视图、表情、细节和英雄近景后，我问 AI：这套做法是否已经适合沉淀？
真实协作记录｜点击图片可放大查看
最后的判断依据不是“这次做得不错”这种主观评价，而是它是否满足客观的判断标准。
四个判断标准：
任务已经重复出现两到三次。
输入、步骤和输出相对稳定。
验收标准能够明确描述。
复用后能减少返工或高成本错误。
如果仍处于探索期、强依赖单个项目而不可复现、规则频繁变化，或者包含临时数据和敏感权限，就先保留为一次任务或项目文档。
最终形成的 Skill 只固化通用流程。
把稳定方法沉淀为能力，把具体项目留在具体项目里。
领取模板
回复「协作」，
领取可直接复制的《AI Agent 协作章程》。
继续演练
案例说明：文中截图均来自 V 与 AI 在真实任务中的协作记录；涉及账号、产品和敏感信息的内容已做遮挡。本文讨论的是协作流程，不代表 AI 可以替代人在金融、安全或其他高风险事项中的最终判断。