连载文章

这里的内容都来自书中的理论：用更短的篇幅、更轻松的笔调讲出来，适合快速阅读与分享。想获得完整、系统的推导，请阅读正文。本书也在公众号"柏林ACS"同步连载。

• 为什么 AI 总是顺着你思考？——它没有立场，是你的提问划定了它找答案的方向
• AI 展示的"思考过程"，是它真的在想吗？——一句话就能让它想出相反的结论，那四十秒里它在做什么
• 为什么你收藏的提示词技巧，时灵时不灵？——技巧是碎片，一次回答是有结构的
• "你是一位资深专家"，这句话到底有没有用？——角色只能调动已有的东西，不能创造新东西
• 问 AI"要不要做"，它为什么总回"要看情况"？——你不给标准，标准就落回默认值：稳妥、平均、谁都不得罪
• 为什么大家的 AI，给出的方案都长得差不多？——它走的路是所有人都走过的路，而路是你的问法划出来的
• 让 AI 一次写完和分步交活，差别有多大？——默认的搜索是开环的，装不上闭环就没有纠错的可能
• 你纠正过 AI 的事，它为什么转头就忘？——你的纠正只活在那一次对话里，坑在两次搜索之间
• 随口对 AI 说过的话，为什么撤不回来？——它满足配置的所有条件，只是没有人决定过它应该成为配置
• 一份好的 AGENTS.md 长什么样？——不要求长，要求每一节都答得上"它改变了搜索的哪一部分"
• 你的 AGENTS.md 多久没体检了？——配置从写完那天开始老化，四类病灶，三栏处置
• AI 的"记忆"，到底记住了什么，又漏掉了什么？——琐碎的偏好挥之不去，关键的约束转瞬即忘
• 提示词工程、上下文工程，到底在"工程"什么？——同一组参数，两种时间尺度：一个管一次，一个管每一次
• 单次还没跑顺，别急着让 AI 自动化——链条传递的是文本，工作流编排的是搜索
• 人人都在说 Agent，它到底比对话多了什么？——本质是把守关口的职责，五个 Agent 不如一个
• AI 的建议，为什么越斩钉截铁越不能照单全收？——评审也是一次搜索，它的质量在出发时就定了大半
• 为什么有人用 AI 写代码更顺，有人越用越累？——差别往往不只在模型，也在每一次提问是否过了四层自检
• AI 说"这个方案可行"，能信吗？——验证昂贵的领域，AI 不是裁判，是陪练
• 收藏夹和知识库，为什么有的越用越活，有的在吃灰？——资料不改变任何行为，配置才塑造每一次搜索
• 同一个模型，为什么有的公司越用越强，有的只用来写邮件？——模型是买得到的，系统是长出来的
• 一个 Agent 的复盘自述：他把方案当需求提，我把方案当问题做——七轮主题迭代对照治理协议：两条全对、两条违反、两条打了折，真正的问题第六轮才说出口
• AI 的回答不满意，为什么你只能一遍遍碰运气？——病灶在哪一层没搞清，改提示词就只能靠试；贴进四层诊断工具，缺口和修订版一次给你
• AI 为什么会沿着原来的路继续走？——连续使用中，AI 不只重复表达，还会重复思考与行动方式；上下文里存的不只是信息，还有它刚走过的路
• 为什么"让 AI 扮演用户"测不出产品问题？——AI 模拟的用户与方案出自同一片认知空间，可能带着同样的盲区互相盖章；它是反思，不是验证
• AI Coding 认知控制实践手册——独立维护的工具型手册：按任务风险调整控制强度，用验证建立可信边界

本书也在公众号"柏林ACS"同步连载，扫码关注，第一时间读到新文章：