知行合一，以 AI 炼器
记录 AI 实践、技术思考与生活点滴
级联检索，借信息检索领域 15 年前的方法治审查 agent 的病
系列：用经典理论指导 Agent 实践（第一篇） TL;DR： 设计审查的 agent 既要找得全又要找得准，一个 agent 难以两全。借鉴信息检索 15 年前的级联检索思路，拆成两个 agent——一个只管找全（Recall Pass），一个只管找准（Precision Pass）。设计方案的缺陷更早暴露，开发阶段返工的风险降低了。 ...
今日实践：一次 15 轮长对话实验
今日实践 选一个你手头真实的多步骤任务，和 AI 对话 至少 15 轮（一问一答算一轮）。 任务举例： “帮我规划一次家庭旅行（目的地、行程、预算、行李清单）” “帮我从零搭建一个个人博客（选平台、定主题、写第一篇文章）” “帮我分析一个职业选择（现状梳理、利弊分析、行动计划）” 不要刻意控制对话方向——让它自然展开。对话到第 10 轮左右时，停下来发这条消息： ...
看不见的空白层
系列：破而后立的 TDD 流程迭代（第三篇） 第一篇：失之东隅，收之桑榆的实验 · 第二篇：以尺度尺，用方法改进方法 TL;DR： 阶段六已经在集成层做诊断——逐个 bug 追问根因。它不做的事是跨缺陷的模式扫描、组件缝隙检查、执行顺序分析。这些事归阶段七。小系统里阶段七多拦几个 bug；系统大了，同样是这三件事，产出变成建测试基础设施、硬化 CI 规则、驱动架构演进。阶段七不做架构决策，但它提供架构决策最稀缺的输入——基于证据的问题定位。 ...
AI 之路初阶升级指南（三）：把 AI 变成你的协作伙伴
📖 本文是「AI 之路初阶升级指南」系列的第 3 篇（共 5 篇）。 第一篇：理解你手里的工具 · 第二篇：从模糊提问到精确指令 · 第三篇：把 AI 变成协作伙伴 · 第四篇：建立个人体系（即将发布） · 第五篇：毕业考核与下一步（即将发布） ...
以尺度尺，用方法改进方法
系列：破而后立的 TDD 流程迭代（第二篇） 上一篇：失之东隅，收之桑榆的实验 TL;DR： TDD Pipeline 自己教的是"给原则不给步骤"，但自己却长成了步骤驱动的工具。把阶段一到阶段五的操作步骤删掉，只保留原则、风险提示和反面例子。模型自己推导出了被删掉的步骤，输出质量不降。原因：阶段一到阶段五是创作阶段，需要发散空间，去掉固定轨道反而更好。同样的策略用在阶段六上失败了——下一篇讲为什么。 ...
格式约束速查：6 种让 AI 输出直接可用的 Prompt 模板
技巧卡：格式约束速查 花 10 秒在 Prompt 里指定格式，省下 10 分钟的二次整理。 以下是 6 种最常用的格式约束，每种附一句可以直接用的 Prompt 模板。 1. Markdown 表格 适合：需要对比、汇总的结构化信息。 ...
失之东隅，收之桑榆的实验
系列：破而后立的 TDD 流程迭代（第一篇） TL;DR： 把 TDD Pipeline 的阶段六（预发布测试）从"步骤驱动"精炼为"原则驱动"，预设目标没达到——精炼版在单个 bug 的追问深度、证据链完整度上都比原版差。但对比两组输出发现了维度差异：精炼版在组件缝隙检查、跨 bug 模式扫描上比原版强。这些差异指向一个判断——阶段六不需要被精炼，而是缺了一个阶段六没有定义的任务，后来被定义为阶段七。 ...
什么时候该让 AI「一步步思考」？三个信号
技巧卡：什么时候该让 AI「一步步思考」？ 在 Prompt 末尾加一句"请一步步推理"——这就是 Chain-of-Thought（CoT）。简单到不像话，但在合适的场景下效果惊人。 ...
5 个真实场景的 RBGO 改写：模糊提问 vs 精确提问
RBGO（角色-背景-目标-输出）框架上一篇已经讲过。但知道框架和会用框架之间，隔着一道坎：怎么把"我想要……“翻译成四要素？ ...
升级落地——新模板与三个可迁移建议
TL;DR： 展示 Why Articulation 模板升级前后的对比，以及三条可迁移建议：给原则不给示例、关键步骤用强制语气、相信模型的自我组织能力。实验局限也已说明。 前两篇回顾 第一篇从 Anthropic 的对齐研究出发：教模型"为什么"比只教它"正确答案"，误对齐率从 22% 降到 3%（约 7 倍），而且用 1/28 的数据量就能达到同等效果[1]。我把这个发现移植到 prompt 设计里，造出了 Why Articulation 模板——要求 AI 动手前先说清目的、风险和方案。 ...