今天我从 AI 协作里学到的一件事

今天继续和 Claude、Codex 这类 AI Agent 一起做真实项目时，我又踩到一个很朴素的问题：我越急着让 AI 给答案，它越容易给出看起来完整、但不一定能落地的方案。

这件事让我重新确认了一个心法：AI 协作的关键，不是把问题问得更神秘，而是把问题定义得更清楚。

先把目标说成人话

我现在全职做自己的产品和自媒体，也会用 AI 能力承接软件定制。每天面对的不是演示级任务，而是真实系统里的抓取、评分、总结、分发、页面、自动化、数据流。

所以我不能只对 AI 说“帮我优化一下”。我会先说明：现在要解决哪一段流程，用户或业务上真正痛的是什么，期望的结果是什么。

很多时候，说清目标本身就已经解决了一半问题。

边界比提示词更重要

我以前也会沉迷于怎么写更聪明的 prompt。后来发现，在真实项目里，边界更重要。

比如：

• 哪些文件可以动，哪些配置不能碰
• 不能泄露生产凭证
• 不能编造客户、收入、合作方
• 如果涉及真实系统，就必须尊重现有架构

这听起来不酷，但很实用。AI 不是没有能力，而是它不知道哪些地方对我来说是红线。

让 AI 先复述，再让它动手

现在我更常用的流程是：先让 AI 复述它理解的问题和计划。

• 如果它复述错了，我就立刻纠正
• 如果它漏了约束，我补上
• 如果它把问题理解得太大，我就把范围缩回来

这一步看似慢，其实是在省后面的返工。一个独立开发者最怕的不是写得慢，而是方向错了还跑很远。

小步验证，不迷信一次到位

AI 可以帮我更快写代码、查 bug、整理思路，但最后还是要回到验证：测试能不能跑，构建能不能过，页面有没有真的可用，逻辑有没有贴合业务。

我现在更愿意把 AI 当成一个很强的协作对象，而不是一个自动交付机器。

今天的结论很简单：AI 负责加速，我负责判断。把目标、边界、复述、验证这四步跑顺，AI 才真的能帮一个人把想法做成产品。

如果你也在用 AI 做真实项目，可以留言聊聊：你现在最常卡在哪一步？