告诉 AI Agent 为什么，而不是怎么做

早期的人工智能助手基本上就是一群热情但笨拙的“傻瓜”。与它们协作时，你必须精确地告诉它们该做什么——比如，“类B中存在方法A，请在类C到F中添加一个等效的方法”。

否则，它们就会自行其是，做出完全错误的事情。但随着人工智能助手的能力不断提升，这种情况已经发生了改变。

如今，前沿模型即便犯错，也并非因为困惑，而是由于对你的目标或优先级做出了错误的假设。例如，当GPT-6-Astra以为自己在为自己编写代码时，它就会生成压缩代码。

它完全有能力写出人类可读的代码——至少在Go语言领域，我用这个模型已经生成了数千行质量尚可的代码——但你必须明确告知它，这些代码是要给人类阅读的。

这也是我想给大多数使用AI助手的人的主要建议：除了具体任务本身，还要向助手提供关于你优先事项的背景信息。以下是我最近为德卡德项目所使用的提示模板：

你好。你应该已经通过MCP获得了Runpod的访问权限（如果没有，请告诉我，我会帮你解决）。我的长期目标是开发一款本地程序或浏览器扩展，能够自动检测我浏览的页面中是否存在AI生成的内容并将其隐藏。短期目标则是找到一款能在我的MacBook上运行、既不会耗尽电量又不会让机器过热的最佳AI内容检测模型，并相应地研究如何以最高效的方式运行该模型。我猜测Pangram的EditLens 3B或较小的Roberta模型可能是不错的起点，不过它们可能需要量化处理，而且为了在MacBook上实现最佳性能，肯定还需要做一些优化。我希望你利用我的Runpod账户来着手解答这些问题。最终我们会在本机上开展工作，但我期待Runpod能帮助完成一些在本地运行时过于耗电、耗时或速度太慢的实验。你是一个很聪明的模型；如果你能找到更好的实现路径，请告诉我，我们可以一起讨论。祝顺利。

这段提示中大约有一半都在交代项目的整体背景，比如我想要达成的总体目标、这是一项个人而非工作的需求，以及我的优先考量（如保持笔记本电脑低温）。

如果我只是给出一份明确的技术规格，就会错过许多改进机会：例如，为本地模型采用原生消息机制，或者选择Gradient模型而非EditLens。

我在工作中也会这样做，只不过通常会更强调我的技术价值观。我常常会写一段说明，阐述避免缺陷、可观测性、与现有代码优雅集成、性能等方面的相对优先级。

需要注意的是，我说的是“相对”优先级：我并不是简单地列出所有这些要素并声称它们都很重要，而是明确告诉模型哪些方面可以适当妥协，以便更好地实现其他目标。

现在的模型已经足够智能，能够在你的更高层次目标上提出有价值的建议。如果你只是单纯地提供一份具体的技术规范，那就犯了与XY问题案例中相同的错误：寻求专家意见，却未向专家提供其所需的背景信息。

1. 顺便一提，如果是在一个人类编写的代码库中工作，你不必特意要求它写出“人类风格”的代码。它足够聪明，能够自然地融入周围代码的风格。