最近看到 OpenAI 发布的《OpenAI Codex 最佳实践指南》,讲的是怎么更好地用 Codex 这个 AI 编程助手。虽然说的是代码工具,但读完之后发现,里面很多思路其实适用于所有 AI 工具。核心就一句话:别把 AI 当成一次性助手,要把它当成可以持续优化的队友。
给对的上下文,而不是完美的指令
很多人觉得用 AI 工具得写特别精确的提示词才行。其实不是。Codex 已经足够聪明,你随便扔个问题给它,大概率也能得到还不错的结果。但如果你想要更稳定、更靠谱的输出,尤其是在复杂项目里,关键不在于指令写得多完美,而在于你给了它什么上下文。
一个好的任务描述通常包含四个部分。第一是目标,你想做什么。第二是上下文,哪些文件、文档、错误信息跟这个任务有关。第三是约束条件,有什么规范、架构要求或者惯例必须遵守。第四是完成标准,什么情况下算是做完了,比如测试通过、bug 消失、功能正常运行。
这个思路其实可以用到任何地方。你跟人沟通工作也是一样,说清楚要什么、背景是什么、有什么限制、怎么算完成。AI 只是把这个需求放大了,因为它没法像人一样自己去猜你的意图。
让 AI 先做计划,再动手
如果任务比较复杂,或者你自己都说不太清楚想要什么,别急着让 AI 直接开干。让它先做计划。
Codex 有个计划模式,会先收集信息,问你一些问题,把思路理清楚了再开始写代码。你也可以直接让它反过来采访你,挑战你的假设,把模糊的想法变成具体的方案。
这个习惯特别值得学。我们平时做事也是,很多时候不是执行出了问题,是一开始方向就没想清楚。花点时间在前面做规划,后面能省很多返工的时间。AI 能做的事越多,前期规划就越重要,因为它能快速把错误的方向也执行出来。
把重复的规则写下来,别每次都重新说
如果你发现自己总是在跟 AI 强调同样的要求,比如代码风格、测试标准、项目结构,那就别每次都手动输入了。把这些规则写到一个文档里,让 AI 自动加载。
Codex 用的是一个叫 AgentS.md 的文件,你可以理解为给 AI 看的项目说明书。里面写清楚项目怎么运行、怎么测试、有什么规范、什么事情不能做。这样每次 AI 工作的时候,这些规则就自动生效了。
这个思路也很实用。如果你经常跟不同的人协作,或者经常做类似的项目,把那些反复要说的东西整理成文档,能大幅提高效率。不光是给 AI 看,给人看也一样有用。新人来了直接看文档,不用你每次都从头解释一遍。
文档不用写得特别长,短而准确比长而模糊有用得多。先写最基本的,然后每次发现问题了再补充。如果 AI 犯了同样的错误两次,就让它做个复盘,然后把教训加到文档里。这样文档就是活的,是基于真实问题不断优化的。
配置好工具,别每次都临时调整
很多人用 AI 工具遇到的问题,其实不是工具本身的问题,是配置没弄对。比如工作目录不对、权限没给够、默认设置不合适。
Codex 可以设置个人默认配置,也可以针对不同项目设置不同的规则。你可以控制 AI 什么时候需要征求你的同意,什么时候可以直接执行,能访问哪些文件,能运行哪些命令。
刚开始用的时候,建议权限设置得严格一点。等你熟悉了,知道哪些操作是安全的,再慢慢放开。这跟我们平时用新工具的逻辑一样,先小心试探,确认没问题了再放心用。
不只是生成,还要验证和审查
别让 AI 做完就完事了。让它自己检查结果,运行测试,确认功能正常,甚至让它审查自己写的代码有没有问题。
Codex 可以写完代码之后自己跑测试,检查格式和类型,确认…