提示词与上下文工程
关于“没有 token 的 CS 学生应该立即退学”的解释
- 不要把等待完美工具、等待别人给出评价，变成一直不开始的理由。
从提示词到上下文
影响模型的因素
- 系统指令
- 项目规则
- skill
- 代码
- 历史消息
- 工具结果
既要补充相关信息，也要清理过时、无关的内容，并区分指令与待分析材料。
把完成说清楚
提供具体要求、参考和可检查的标准
负责任务需要尝试和验证
模型可以利用中间结果继续探索、检车和修正。但通过字数、格式等形式检查，并不代表内容质量足够；软件测试也有这样的边界。
方法论比角色设定更重要
“你是一位专家”不足以保证专业判断。要告诉AI如何查证据、找反例、验证结论。
有效的方法可以沉淀成skill，机械检查适合交给脚本。
代码库本身也是上下文
成熟项目提供了架构、接口和实现范例，能减少模型的随意选择；混乱代码也可能被继续模仿。
人的专业知识仍然决定了引导方向。
长任务靠反馈，探索靠差异
更多token不保证进展。
复杂问题需要可验证的小实验；
开放问题需要从不同方向探索，在用标准筛选。
人应重点关注目标、关键接口和高反工代价的决策。
个人感想
不断维护更新项目规则，skill，决策文档；定时更新模型记忆过时内容
开发时给出目标、相关实现参考，约束和验证方式；
AI实现过程中重点检查关键设计；
完成后看编译、测试与实际行为是否异常。