个人的技术记录

不管什么 AI 项目，动手之前先算三笔账：一次调用多少钱、一天跑多少次、谁来买单。算不过来账的项目，演示再漂亮也是烧钱。token 烧起来没有声音，等账单一来才知道疼。工具可以慢点上，账必须先算清。成本、毛利、长尾，这三样想不明白，就不要急着上规模。现金流先行，故事其次。这句话对做生意适用，对做 AI 也适用。

一个 Agent 包打天下，最后一定糊。上下文一长就开始丢事，丢了事就开始编，编了还一脸自信。拆开才跑得动：一个负责拆活、一个负责执行、一个负责挑毛病。各自有验收标准，各自只对自己的输出负责。人管团队是这样，管 Agent 也是这样。角色不清，堆再多 Agent 也是内耗；分工清楚，三个 Agent 比一个全能 Agent 稳得多。先画分工图，再谈数量。

对话只能问答，干活要的是另一套东西：目标、权限、反馈、验收。Agent 的价值不在它多会聊，在它能不能把一件事从头做到尾。中间卡住了，是自己绕过去，还是停下来问人，这条线必须事先定好。我做 Agent 系统的第一条规矩就是：什么事它能自己定，什么事必须问人，先写清楚，再谈模型选型。线不清，能力越强，闯祸越大。会聊天的叫助手，能把事办成的才叫员工。

模型一月一个新版本，追是追不完的。今天最好的，下个月就有人更便宜、更快。真正留下来的是工作流：固定的输入、固定的检查点、固定的输出格式。模型换了，流程还在，活照样干。做工具也一样。先定流程再选模型，别反过来。流程定死了，模型只是里面一个可以替换的零件；流程没定，模型再强也是一团乱。少看发布会，多看自己的流程单。

很多人把提示词当咒语，同一个问题换十种问法试来试去。其实没那么玄：提示词就是写给模型的需求文档。以前写给人看的需求文档要四样东西：背景、目标、约束、验收标准。写给模型也一样，这四样齐了，输出就稳；缺一样，就得靠运气。写不清楚需求的人，换什么模型都一样糊。反过来，需求写得清楚的人，用哪个模型都差不到哪去。所以练提示词就是练表达。先把话说清楚，再谈技巧。

大模型工具用了一年，最大的感受是：样板代码写得快了，但真正值钱的东西没变。把需求想清楚、把系统拆干净、把边界定明白，这些活模型替不了你。它也不会替你背线上故障。怕的不是模型抢活。怕的是自己只会写那种别人也能让模型写出来的代码。代码越是标准件，越不值钱。出路只有一条：往上走一层。做拆解、做取舍、做验证。模型负责写，你负责想清楚写什么、怎么验算对不对。这一层，才是程序员接下来几年真正的饭碗。