Harness 与 Agent 工程 · 运行控制与长任务 · 2026-06-07

AI 用得好不好,差距不在 prompt,而在你会不会安排工作

别再用问答模式浪费 AI 潜力了,学会设计工作循环,才能真正释放生产力。

核心内容:

  1. 从问答模式到工作循环的本质转变
  2. 高手如何通过清晰任务路径“安排”AI工作
  3. 构建稳定、可复用工作流程的关键价值

最近看到 Claude Code 创造者 Boris 的一个观点,很值得琢磨。

"I don't prompt Claude anymore. I write loops - and the loops do the work. My job is to write loops."

大意是:

他现在不再只是给 Claude 写 prompts。 他写 loops。 然后让 loops 去完成工作。

这句话乍一看有点技术味。

prompt,大家已经很熟了,就是你给 AI 的指令。

比如:

“帮我写一篇文章。”

“帮我做一个网页。”

“帮我分析一下这个项目。”

“帮我优化一下广告。”

但 loop 是什么?

如果不用技术语言解释,它其实就是:

不是让 AI 回答你一次,而是给 AI 设计一套可以反复执行、检查、修正的工作流程。

这件事很重要。

因为它可能是很多人用 AI 卡住的真正原因。

大家以为自己缺的是更高级的提示词。

但实际上,很多时候缺的不是 prompt。

缺的是 workflow。

缺的是一套能让 AI 把事情持续推进下去的工作循环。


一、很多人还在把 AI 当聊天工具

现在大多数人用 AI,还是典型的“问答模式”。

你输入一句:

“帮我写一篇文章。”

AI 给你一版。

你觉得不满意,又说:

“再自然一点。”

AI 再改。

你还不满意,又说:

“再高级一点。”

AI 再改。

然后你继续说:

“这里不对,重新写。”

整个过程看起来是在用 AI,其实更像是在和客服聊天。

你问一句,它答一句。

你推一下,它动一下。

你不推,它就停在那里。

这就是普通人使用 AI 的常见状态。

它能提高效率,但很难真正形成生产力。

因为每一次对话都是临时的。

这次问完,下次还要重新问。

这次改完,下次还要重新改。

你没有沉淀出一套稳定的方法。


二、高手不是在“问 AI”,而是在“安排 AI”

高手的用法不一样。

他们不会只丢给 AI 一个模糊需求,然后等它发挥。

他们会给 AI 一套更清楚的任务路径。

比如普通人会说:

“帮我优化一下这个网站。”

但更好的说法是:

先检查首页第一屏,判断用户能不能在 5 秒内看懂这个网站卖什么。 再检查页面里的按钮是不是清楚。 再检查移动端有没有显示问题。 再检查有没有无效链接。 最后按优先级列出最该修改的 5 个地方。

你看,这就完全不一样了。

前者是在许愿。

后者是在安排工作。

AI 面对第一种需求,很容易给你一堆“正确但没用”的建议:

提升用户体验。 优化页面结构。 增强品牌信任。 突出核心卖点。 改善转化路径。

这些话都对。

但你看完之后,还是不知道下一步到底该改哪里。

而第二种方式,AI 会沿着一个具体路径去检查。

它知道先看什么,再看什么,最后交付什么。

这才是 loop 的意义。

Prompt 是一句指令。 Loop 是一套流程。

一句指令,只能让 AI 回答你一次。

一套流程,才能让 AI 持续把事情往前推进。


三、为什么 AI 经常给你“看起来不错”的废话?

AI 最容易迷惑人的地方,不是它完全不会做。

恰恰相反,现在的 AI 已经很会“生成答案”了。

它可以写得很完整。

看起来有逻辑。

看起来很专业。

甚至有时候看起来比你还懂。

但你仔细一看,会发现很多问题。

它可能理解错了你的业务。

它可能引用了不准确的事实。

它可能漏掉了关键条件。

它可能写了一堆漂亮但没有行动价值的话。

它也可能在写代码时改错文件,修了一个 bug,又制造出另一个 bug。

这就是为什么“生成”本身不等于“完成”。

AI 给你一版结果,只代表它完成了一次输出。

但这个输出能不能用,还需要检查。

检查后发现问题,还需要修正。

修正之后,还需要再检查。

所以真正有价值的 AI 工作方式,不是:

生成一版结果。

而是:

生成 → 检查 → 修正 → 再检查 → 交付。

这才是 loop。


四、一个好的 loop,本质上只有四件事

你不用把 loop 想得很复杂。

它不是高级程序员才懂的东西。

一个好的 AI loop,本质上只有四件事。

1. 明确目标

你到底要 AI 完成什么?

不是“帮我写好一点”。

而是:

写一篇普通读者能看懂的公众号文章。

不是“帮我优化页面”。

而是:

让用户打开首页后,能在 5 秒内看懂你卖什么、适合谁、下一步该点哪里。

目标越清楚,AI 越不容易跑偏。

2. 拆成步骤

复杂任务不要一次性丢给 AI。

你要让它先做什么,再做什么,最后做什么。

比如写文章,不是直接说“写一篇爆款”。

而是:

先判断读者是谁。 再提炼读者最关心的问题。 再搭文章结构。 再写初稿。 再检查有没有空话。 再改成更像人写的话。 最后提炼标题和摘要。

3. 设置检查

这是最容易被忽略的一步。

很多人让 AI 写完就结束了。

但真正能不能用,关键在检查。

文章写完,要看有没有空话、有没有 AI 味、前后逻辑能不能接上、读者看完是否真的有收获。

广告写完,要看有没有夸大、有没有误导、有没有违反平台规则、是否符合用户搜索意图。

代码写完,要看能不能运行、有没有报错、有没有破坏原有功能、有没有遗漏边界情况。

没有检查,AI 的输出只是“看起来完成”。

有了检查,任务才开始接近“真的可用”。

4. 允许修正

检查出问题之后,AI 不能停在那里。

它要继续分析原因,继续修改,再继续检查。

这就是循环。

所以,一个简单的 loop 可以写成这样:

先完成 A。 然后按照 B 标准检查。 如果发现问题,修正 C。 修正后再次检查。 最后用 D 格式告诉我结果。

这句话看起来很普通,但它比很多所谓“神级提示词”更有用。

因为它不是让 AI 表演一次。

它是在让 AI 进入一个工作闭环。


五、Claude Code 为什么让这件事变得更明显?

这件事在 AI 编程里表现得最明显。

很多人用 Clau…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/gerentixiao/2026060726798.html