阅读能力在未来工作中会变得更加重要，会有大量AI生成的结果供您批阅。而整个workflow llm中我最喜欢的部分就是向我提问，确认选项。
如果通过一句话就能做成的事情，未免会有太多可能的结果，哪个是你真正想要的是个问题。于是你需要认真的思考一下该怎么描述你的问题。有一种工作模式我称之叫spec-coding，可以帮你体系化的搭建精准的输出，如果你需要对结果负责，那么认真读md文档会成为了最耗时的工作。这种任务适合复杂项目中的任务修改，毕竟从0到1怎么做都可以，而修改存在上下依赖的部分需要足够精准。
流程如下：我想改轮子，然后让AI帮我做，
- 需求：要个什么样的车轮
- 设计：画一个图稿，用到哪些工具
- 安排：分配工作任务和日程
- 执行：交代下去做
这一套流程都是大模型完成的，可以理解为升级版的plan-build模式。看似输入了一句话，实则万行输入，折腾下来2个不大的改动2个小时总共800w，这换个国外的模型得多少钱谁帮忙算算。感觉就像手机进入3G时代引入流量概念后上网后看账单的既视感。真的以后token的概念应该从1M起步。挺累的，不过结果基本没有瑕疵，运行满意，cost-effeciency有待商榷。
居中方案
我不太倾向把简单的事情复杂化，认真写prompt挺费脑的，毕竟你无法一次想到所有需求，而且还得斟酌语言和逻辑关系，怕对方误会。于是我弄了以下流程：
有哪些具体需求我需要告诉AI，但是我无法详尽或者一次性清晰的表达完整，就让AI帮我做了一个助理帮我完善，如何找到这样的助理也是个麻烦事，于是我让AI帮我做了一个HR专门寻找对应的助理，HR也是我让AI生成的。
我创建了一个skill, 用来创建skill，然后用这个skill去创建了一个创建command的skill，然后用这个指令模板创建command的skill去创建了一个/prompt，这个/prompt 会去以助理的身份帮我完善我的指令，如果清楚有不清晰的地方就问我，然后这个助理就帮我完成了一个详尽的prompt。
我感觉这样效率会高很多，效果也不错，然后我就可以体验当领导对助理说，你看看然后交一份方案给我。刚一步到位了一个bug修复。
在已有项目中改复杂点的活且结果负责类型还是得通过spec工作流（费钱），而轻量一点的东西就用我的/prompt吧，挺好用的。
发表回复