之前对AI的认知是问问题越具体越好,但最近看到有人说,当你的问题更抽象结果可能更好。举个例子,比如之前做一个skill,要求很具体,要做到什么程度给出什么结果,每次出现问题都需要你手动修改,但如果你把要求改成让这个skill用不崩溃,可能它就会每次遇到问题,自行就解决了。关于这两种截然不同的说法,你怎么看
提问
两种说法不矛盾:具体该落在“什么算好”和“怎么验收”,抽象该用在“别替 AI 规定每一步怎么做”。把要求写成结果标准而非操作步骤,AI 才有空间自己解决中途问题。
该具体的是验收标准,不是操作步骤
有材料主张写 skill 时告诉 AI 什么是好的、什么是容易犯的错误,少教它做事1。同一篇也把这一点说成结果导向:清楚定义做到什么算对,而不是逐步遥控2。你原来的写法要求每一步给出什么结果,等于把模型限制在自己想到的做法里;一旦中途出现没预料到的情况,它只能停下来等你改。改成“用不崩溃”之所以可能更好,是因为它给的是一个可判断的结果状态,AI 遇到问题时可以自己换路径去满足它。但“不崩溃”本身太模糊,最好补上什么情况算崩溃、什么情况可以接受降级,否则抽象会变成放任。
抽象不等于不提供上下文
AI推演同一篇材料还强调,AI 产出差常常不是模型不行,而是它不知道你的标准、取舍和验收条件2。所以“问题更抽象结果更好”成立的条件是:背景、约束和好坏判断已经给足,只是不规定具体步骤。如果连业务背景和验收标准都省掉,抽象只会让 AI 猜。一个可试的做法是:保留你原来那份具体清单里的“什么算完成、什么算失败”,删掉“先做什么再做什么”的步骤,然后拿同一个 skill 跑一次,看它遇到问题时是自行绕过去,还是卡住或悄悄降低标准。
“用不崩溃”这个具体改法来自你的转述,资料里没有对它的直接讨论;上面的解释是把结果导向原则套到你的例子上。
回到2份原文
讨论 skill 该告诉 AI 什么是好、少教它怎么做,是理解两种说法如何统一的核心。
解释结果导向指令与逐步遥控的区别,并说明缺少验收标准时 AI 为什么产出差。