AI 的回复，为什么还停在“传统手搓”

最近用 AI，我越来越常遇到一个很真实的问题：AI 的回复和数据，仍然局限在传统“手搓”里。

比如我问它：

“如何教小白快速创建文件夹，并部署一个 GitHub 项目？”

它通常会认真地回答：

先 mkdir xxx
再 git clone xxx
然后阅读 README
最后根据 README 执行 xxx

这份答案没有错。问题是，它把一个本来可以交付的任务，拆成了一串还要我亲自完成的动作。

这不是答案错了，是交付对象错了

过去的软件教程，默认读者是一个人。作者必须把每个按钮、每条命令、每个可能的下一步写出来，读者再照着做。

所以我们习惯了这样的表达：

第一步做什么，第二步做什么，遇到问题再查什么。

但今天，很多 AI 已经不只是“会解释”。它可以读代码、运行命令、安装依赖、启动服务、检查结果。它更像一个能进入工作区的执行者。

继续给它输出“人类操作手册”，就像把一张施工任务单，改写成“请先拿起锤子，再走到墙边，再敲一下”。动作都对，但没有把真正的工作交出去。

AI 时代的 solution，应该交付结果

同一个需求，更适合这样说：

阅读 https://github.com/某个项目，在本机 /Users/xxx/projects/某项目 下完成部署并启动。遇到依赖或环境问题自行排查；完成后告诉我访问地址、启动方式和仍未解决的问题。

这句话没有写出 mkdir、git clone，也没有把 README 里的每条命令抄一遍。

但它交代了真正重要的事情：

• 目标：把项目部署并启动起来；
• 输入：项目地址；
• 工作空间：明确的绝对路径；
• 自主权：允许 agent 阅读项目并选择合适步骤；
• 验收：给出访问地址、启动方式和遗留问题。

细节不是消失了，而是从“写给用户照抄”，变成了“让 agent 在执行时处理”。这才是透明：我关心它做成了什么、结果在哪里、哪里还需要我介入；至于中间几十条命令，不必占据我的注意力。

不是所有事情都该一句话带过

这不等于以后什么都只说一句“帮我搞定”。好的任务说明，仍然要把边界说清楚。

至少写明四件事：

1. 结果是什么：部署、迁移、整理、生成，还是排查？
2. 可以动哪里：目录、仓库、服务范围是什么？
3. 怎样算完成：能访问、测试通过、文件生成，还是给出报告？
4. 什么时候停下来问我：需要购买资源、发送消息、删除数据时，必须先确认。

例如：

阅读项目并在 /Users/tian/work/demo 部署。只修改该目录，不改系统级配置，不购买服务。启动后用真实浏览器访问验证；如果需要凭据、外部授权或不可逆操作，先停下来向我确认。最后给出访问地址、启动/停止命令和验证结果。

这比一长串命令更短，却比“帮我部署一下”更可靠。

从“提示词”转向“任务合同”

我更愿意把这种写法叫作任务合同，而不是神奇提示词。

它不是靠某个固定句式取巧，而是把人与 agent 的分工写清楚：人负责目标、边界和验收；agent 负责在边界内理解、执行和反馈。

以后遇到一件麻烦事，可以先套这个骨架：

请完成：{结果目标}
输入/位置：{链接、文件或绝对路径}
权限边界：{可以改什么，不能改什么}
完成标准：{如何验证结果}
遇到以下情况先停下问我：{凭据、付费、外部发送、删除等}
完成后汇报：{地址、产物、启动方式、遗留问题}

真正的升级，不是让 AI 回答得更长，而是让它承担更多完整工作。

当你还在收集“下一条命令是什么”，你得到的是教程；当你把目标、边界和验收交出去，你才开始得到交付物。

AI 时代最值得练习的能力，可能不是记住更多命令，而是学会把事情说成一个 agent 能完成的任务。