经常看到博主使用AI做任务,AI给出的结果超出预期,我在使用时,也给了背景目标,但是最终的效果就是AI纯执行,两轮对话后就会变成我说一句AI做一下,给人一种“我还用你干嘛”的感觉

提问

AI根据立正公开的文章和视频整理,不是他本人回复

你缺的不是“背景目标”,而是让 AI 能自己判断对错的标准和可复用的信息。只给目标,AI 只能一步步等你指令;给出好/坏标准与素材,它才可能超出预期。

“纯执行”通常不是 AI 笨,而是判断标准没交出去

材料里的观点

立正把这类落差归到 context 不足:AI 没有你掌握的信息,就不能指望它做出你心里的判断。他举的例子是,你了解一个人有百分之百的信息,给 AI 的可能只有一成到两成,剩下的它没有,就不能说它傻⁠1。他还说,写 prompt 不能只写“你是一个优秀的脱口秀演员,帮我写个段子”,而要交代想要的风格、参考的人、原则,以及你积累的素材和方法⁠1。对应到你的情况:你给了背景和目标,但没给“什么样算好、什么样算差”,AI 就只能做最保守的执行。

把模糊需求拆成三件事,并明确好坏边界

材料里的观点

立正给过一个 3C 模板:Context(背景)、Component(组成部分)、Criteria(标准)。他的说法是,只有把这三样清楚给到 AI,AI 才能理解意图,agentic AI 才能在此基础上自动迭代、纠错⁠2。他还强调“损失函数思维”:不能只告诉 AI 好还是不好,要告诉它什么是好、什么是不好⁠2。这正好解释你“两轮之后变成我说一句它做一下”的现象——没有可自检的标准,AI 每步都得回来问你,交互自然退化成逐句指令。

换个心态:从“用工具”变成“搭系统”

AI推演

立正批评过一种心态:把 AI 当 GUI 按钮,点一下不 work 就吐槽产品。他说 AI 不是外挂也不是魔法,要学怎么用好它;他自己用 Manus 出错十四次、第十五次做成,反思的是“为什么我花了十四次迭代才调好”,而不是怪工具⁠3。这是 AI 的综合判断:博主展示的“超预期”,往往背后有沉淀好的素材库、风格说明和评价标准,而不是一次对话就成。你可以先挑一个反复做的任务,把“好结果长什么样”写成几条可检查的标准,再连同素材一起给 AI,看它是否能少问你几轮——这是可观察的反馈,不是保证。

片段只给了原则和例子,没有针对“给完背景目标仍退化”这一具体情形的操作步骤;3C 模板的完整内容在片段外,这里只按已出现的定义使用。

回到3份原文