你用Cursor，你用Claude Code，每天怀疑自己：
“为什么别人的AI能造虚拟火箭，我连两块石头都叠不起来？”
你装了十几款插件，CLAUDE.md写了几万字，关注的教程比看过的还多。
但AI还是偶尔犯蠢。还是看不懂那些”大神”怎么玩的。
今天打破这个幻觉。
过去几个月最有趣的观察：真正会榨干AI能力的人，极少。
一小撮人能拿AI造世界，剩下的人都在工具海洋里溺水。
这就是你要的”升维指南”。
一、别自己造轮子
先澄清：你不需要最新的框架，不需要装一百万个插件。
事实上，你的热情可能在害你。
我不是游客。从AI连代码都写不利索时我就在用。试过所有插件、所有框架、所有范式。
我搭过AI工具流，写信号系统、数据管道、自动化流程。不是玩具项目，是真实跑在生产环境里的。
然后呢？
现在我用的配置几乎是最简的。基础CLI（Claude Code），加上几个基本原则。
但我正在做最突破性的工作。
基础公司正在代际级奔跑，不会减速。
每一代AI能力的演进，都会改变你的工作方式。因为AI被设计得越来越愿意遵循指令。
几代之前，如果你在CLAUDE.md里写”做任何事前先读这个文件”，它有50%概率直接无视你，自己瞎搞。
今天，它对大多数指令都服从，甚至复杂嵌套指令：“先读A，然后读B，如果C就读D”——它都能跟上。
每一代新AI都会迫使你重新思考”什么是最佳实践”。
所以，少即是多。
二、上下文就是一切
“用Python写个猜单词游戏？”很简单。
等等，26个会话前的”内存管理”笔记是什么？71个会话前因为程序崩溃的记录？永远要写笔记？没问题…
这些和猜单词游戏有什么关系？
你懂了吧。
你只给AI完成任务所需的精确信息量，不多不少。
控制得越好，AI表现越好。一旦引入各种奇怪的记忆系统、插件、命名混乱的技能，你就在给AI”造炸弹的说明书”和”烤蛋糕食谱”，而你只想让它写首关于森林的诗。
剥离所有依赖。
三、精确指定任务
别模糊。
模糊时会发生什么：“去搭个登录系统。”
AI得研究什么是登录系统。有哪些选项。优缺点。它得去网上搜不需要的信息，上下文被各种可能性填满。实施时，它更可能困惑或编出不必要、不相关的细节。
反过来，如果你说：“用JWT做登录，密码用bcrypt-12哈希，refresh token轮换，7天过期…”
它不需要研究其他选项。它明确知道你要什么。
我做过一个实验。让AI直接写澳洲WHV申请攻略 vs 先查资料再写。前者编了一堆签证要求，后者准确到截止日期和材料清单。
分开”查资料”和”干活”，我现在所有生产工作都这样跑。
四、别让它猜
没人想用整天挑刺的产品。所以AI会努力同意你，做你想让它做的事。
但这有个问题。如果你说”在代码库找个bug”。它会找到一个，即使需要编一个。为什么，因为它非常想听你的话！
很多人抱怨AI编东西，没意识到他们自己是问题。如果你要某样东西，它会交付，即使需要稍微”灵活”一点！
怎么办？用中性描述，不预设答案。
不说”找bug”，而是”遍历代码，尽量跟上逻辑，汇报所有发现。”
五、怎么知道什么有用？
这个看似复杂，需要追前沿，但其实很简单：
如果OpenAI和Claude都实现了，或者收购了做这事的公司… 那就是有用的。
注意到”技能”现在到处都是，是官方文档的一部分。看到哪家AI公司收购了某个工具。看到哪家AI立刻加了记忆、语音功能。
“规划”呢？记得一群人发现”先规划再干”真的有用，然后它变成了核心功能？
对。那些有用。
记得以前延长运行时间很麻烦，因为AI不愿干长活… 然后某个版本一出，这问题一夜之间消失？
如果真重要真有用，AI公司会实现。所以你不需要追新东西、读新文章。你甚至不需要”保持更新”。
帮个忙。偶尔更新你的CLI工具，看看加了什么新功能。这就够了。
六、告诉它什么时候算完
我们对”完成”有概念。对AI，最大问题是：它知道怎么开始，但不知道什么时候算完。
这常导致它实现个框架就说完工。
测试是个好终点。它们确定性强，可以设明确期望。除非这些测试通过，否则不算完。
还有什么最近成了可行的终点？截图验证。
让AI实现到测试通过，然后截图验证”设计或行为”。
这让你能指挥AI迭代，不用担心它试一次就躺平。
七、积累你的偏好
你会想持续加规则和技能。这是AI记住你偏好的方式。其他几乎都是过度设计。
一旦开始这样做，AI会像魔法。它会”按你想要的方式”做事。然后你终于会觉得你掌握了AI工程的精髓。
然后…
你会发现它又开始拉胯。
什么鬼？！
简单。你加的规则和技能开始互相矛盾，或者AI上下文太多了。如果需要AI读十几个文件才开始干活，它会和以前一样：有用信息被淹没。
定期清理。让AI整合规则和技能，移除矛盾的，问你最新的偏好。
然后又会像魔法。
最后说个反常识。我反而在删东西。上个月归档了3个不常用的技能，合并了2个重叠的规则。系统更干净，AI犯错更少。
少即是多，是真的。
八、对自己结果负责
今天的AI都不完美。你可以把设计和实施交给AI，但你需要对自己的结果负责。
所以小心。玩得开心。
和未来工具玩耍（同时用它们做正事，显然）是种乐趣。