AI破门

现在很多资料都在鼓吹智能体只需要用，但其实这是误区，真正的难点是想，这个想不是想怎么用，而是如何正确把任务交代给它。 其实某种程度上人和智能体类似，思考都是不确定的，接受到的信息越发散，那么结果就越不确定，反之就越固定，这就决定了在用智能体的时候，一定要有决策思维，什么意思呢，就是目标拆解，你得告诉它，你要的结果什么标准的，没有这一步，它大概率会空转，因为它不知道什么是终点，没有流程，它会花费额外的动作试错，和人在面对一个没有明确步骤的任务一样，这个能力就是模型的泛化能力。 而大多数人是没有这个概念的，因为没有拆解意识，也许让你去完成一个任务能很好的完成，但教给ai就未必能做到了，做和教是两个能力，当做不到教的时候还不是最严重的，因为大不了多试错然后你不断纠正，最怕的是目标不明确，让ai都不知道什么结果是对的，这样的话一直围绕目标打转，始终拿不到结果，我把这叫做许愿：希望ai能实现理想的完美结果，但结果本身是模糊的

这个作品不止是前端网页，希望涉及复杂的后端及数据库等。新人小白完全不懂代码也不懂利用AI做，不知道该怎么一句句提问AI

刚逛到社区里「上下文容量撑不住的时候咋办？」的讨论，想补一个不依赖特定产品的办法：在换窗口前，让 AI 写一张能核对的交接单。 重点是保住下一步会用到的信息。比如做一个网站，「聊过登录和数据库」帮助不大；「邮箱登录已实现，但没验证；数据库字段还没定；下一步先核对注册流程」才方便接着干。 下面这段可以直接复制到旧对话里： ——交接提示词开始—— 请根据当前仍可见的对话，为一个完全不了解历史的新会话写交接单： 1. 目标：最终要交付什么，怎样算完成。 2. 硬约束：必须遵守的要求、明确禁止的操作。关键措辞尽量原样保留。 3. 当前状态：分别列出已完成且已验证、已完成但未验证、尚未完成。不要把计划写成成果。 4. 关键决定：选了什么方案、为什么；哪些方案已被否定，依据是什么。 5. 资料入口：需要重新读取的文件名、版本、链接或关键原文。看不到的资料请标注缺失，不要补写。 6. 下一步：按顺序列出最先要做的 1—3 件事，以及当前阻塞点。 7. 待核对项：单列不确定、互相冲突或可能遗漏的信息。 保持简洁，但不要为了凑字数删掉硬约束；事实、推测和建议要分开。 ——交接提示词结束—— 到新窗口，把交接单和必要的原始资料一起提供，再加一句： 「先复述目标、硬约束和第一步；指出你缺少的资料，不要假装已经读过旧对话或附件。」 有三个容易踩的坑： • 摘要不能保证无损。旧会话如果已经看不

给自己做智能体快一个月了，这一个月最深的感触不是氛围编程有多爽，而是爽背后的感觉。 以前我是没什么需求的，因为想实现的网上基本都有，但自从用了openclaw和hermes后我突然发现，这个可能是我遇到的唯一没有的。 pi智能体有个宣言：让智能体适应你的工作流，而不是反过来，世界上有很多智能体，但这个是你的。从宣言也能看出来，这做的不是想hermes那样通用的路子，而是给你真正定义。 恰好dsh发布，现在是方案都有了，只差设计，我借鉴了dsh的设计，把各个功能做成模块，然后用dsh的核心连起来，方案很完美，但做完后总觉得不踏实，仿佛哪里少了一块。 直到我用AI把代码的逻辑查了一遍后，看着满屏的报错，我终于知道问题在哪了，我只做了结构和功能设计，但从没去查实现这些功能的方式是不是有问题，甚至功能之间是不是有问题。 于是接下来的方向也都清楚了，既然功能齐了，就是查问题，而这，才是vibe coding做不到的，因为你完全不知道会有哪些问题，有问题了怎么解决，这就是经验的价值，而编码智能体之所以能查出来甚至避免一部分，不是因为用的模型多聪明，而是内置规则里早就包含了这一部分，可以说智能体本身就是编码的经验库，等于把别人编码几十年的经验塞到了软件了供模型调用，所以，编码智能体的重要在于提前避坑，但并不绝对，因为没人知道实际的编程情况是怎样的，能穷尽所有场景，而这，才是经验的核心价