立正把关键动作落在三件事上：站在 AI 的视角理解它需要什么，这被他称为认知上的同理心；用 Context、Component、Criteria 把背景、组成和验收标准讲清楚，让 agent 能自己迭代和纠错；以及不只说好不好，而是说清什么是好、什么是不好 2。如果结果和预期不符，他建议回头检查这三项哪里出了问题，而不是只怪模型 2。对个体来说，难点常在于标准本来就在自己脑子里，从没写成 AI 能读的格式，所以产出总差一点意思 3。 我想看更多关于 3C（Context、Components 和 Criteria）的文章。
提问
3C 的完整讲解在两处：视频《能用好AI的人一定是个好领导和好伴侣》给出 Context、Component、Criteria 三件套和出错时的排查思路；《2026年，普通人想跟上AI时代，这件事必须要做》用去重图片的例子说明标准不清会怎样。
先看这两处对 3C 的完整讲解
材料里的观点最直接的是《能用好AI的人一定是个好领导和好伴侣》，他把 3C 说成 Context、Component、Criteria 的模板，讲清只有把这三样给到 AI，agent 才能自动迭代和纠错，结果不符预期时一般就是这三项出了问题1。《2026年，普通人想跟上AI时代，这件事必须要做》用清理重复图像举例：没说清是内容重复还是文件名重复，AI 只能自己假设，给的东西就不是你要的；他同时强调这些都用自然语言写就行，不必被术语吓住2。两处可以对照着看，一个给框架，一个给失败案例。
3C 要解决的问题是标准没被写出来
《AI 用得好的人与普通人的5个差距》解释了为什么个体尤其难：大厂员工有团队文档、代码仓库和历史决策记录，AI 天然有 context 可读，而个体创业者的品牌调性、写作风格、对客户的理解全是隐性知识，从没被写成 AI 能读的格式，所以产出总差点意思3。同一篇里还给了三个配套动作：把风格偏好、验收标准等写成文档；为每个任务精选最相关的背景而不是全塞进去；定义结果而不是逐步遥控3。《AI User 与 AI Builder 的 5 个差距》是同一逻辑的另一个版本，可以互相印证4。
想再往深走，可以看 context 基础设施那篇
材料里的观点《你团队的 AI 效果不好，问题不在模型，在 Context》把 context 管理拆成概念层、技术架构层和工具链三层，其中分层记忆、渐进式加载、持续提炼、规范注入这些做法，是把 3C 里的 Context 和 Criteria 从单次任务扩展到团队长期沉淀5。它面向团队场景，个人读的时候可以只取其中“标准要写成 AI 能理解的规则”这一条。另外《AI的正确打开方式：不学概念，学动作》把上下文管理、评估、诊断等列为真正值钱的动词，可以作为理解 3C 为什么重要的背景6。
3C 的完整模板细节在《AI时代的编程基础》那门小课里，公开材料只给了框架和例子，没有逐步展开。
回到6份原文
立正本人主讲，直接给出 Context、Component、Criteria 三件套和出错时的排查思路，是 3C 最核心的一手出处。
用清理重复图像的例子说明标准不清时 AI 只能自己假设，适合理解 Criteria 为什么关键。
解释个体为什么难：标准是隐性知识，从没写成 AI 能读的格式，并给出文档先行等配套动作。
可回到原文核对这部分判断
把 Context 和 Criteria 扩展到团队场景，讲分层记忆、渐进式加载和规范注入，适合想看更深一层的人。
可回到原文核对这部分判断