AI 使用的分水岭：从写提示词到写循环

你有没有这种感觉：AI用了大半年，越用越焦虑。

我这段时间一直在研究怎么用Agent帮自己提效，越研究越发现，焦虑的不是AI不够聪明，而是你不知道怎么让它变得更聪明。于是你开始学提示词，买课、看教程、背模板，折腾一圈下来发现，写出来的东西确实好了一点，但也就一点。换个场景又不行了，得重新调。

问题出在哪？你的提示词其实没写差，只是提示词这件事本身就走到头了。

01 提示词是上一阶段的事

过去两年，大多数人和AI的协作方式是这样的：你给它一个任务，它执行，你看结果，不满意就改提示词，再让它执行。这个循环里，你是驱动者，AI是执行者。每次都要你盯着，都要你判断，都要你手动调。

这没什么不好，但它有个根本问题：你的时间被锁在循环里了。AI跑得再快，你得一个一个检查；AI写得再多，你得一条一条过。效率的天花板不是AI的能力，是你自己的带宽。

提示词写得再好，说到根上还是你在干活，AI只是帮你打字快了一点。

Claude Code的创造者Boris Cherny最近说了一句话："我现在不再给AI写提示词了，我写循环。"这句话听起来有点抽象，但背后的意思很实在，他已经不关心怎么和AI对话了，他关心的是怎么让AI自己跑起来。

02 什么是"写循环"

用一个具体场景来解释。

假设你要写一篇行业分析报告。传统的做法是：你列好大纲，一段一段让AI写，每段写完你看看对不对，不对就改提示词重新来。整个过程你要参与十几次。

换个做法：你先定义一份检查清单，比如数据来源是否标注、论点是否有案例支撑、语言风格是否符合要求、有没有用禁用词。然后你告诉AI：你先写初稿，写完之后自己对照这份清单逐项检查，有问题的自己改，改完再检查一遍，确认没问题了再交给我。后面这种做法，就是"写循环"。

区别在哪？前一种是你指挥AI一步步走，每一步都要你确认。后一种是你把验收标准定好，让AI自己走完全程，你只看最终结果。你的角色从"指挥官"变成了"规则制定者"。

再举一个更日常的例子。很多人用AI整理会议纪要，流程是：录音转文字，丢给AI，让它总结，你检查一遍，发现漏了重点，告诉它补上。下次开会又重复一遍。

写循环的做法是：你先定义"好的会议纪要长什么样"：必须有决策事项、必须有责任人和截止日期、必须有待跟进问题。然后让AI每次按这个标准自己出初稿，自己检查有没有遗漏，补全之后再给你。你从每次都盯着，变成偶尔抽查。

提示词解决的是"这一次怎么做对"，循环解决的是"以后每次都怎么做对"。

03 为什么现在可以写循环了

一年前你让AI自己检查自己，它大概率会告诉你"没问题"，然后交上来一堆毛病。现在的模型不一样了。

我自己拿各种任务测Agent，得出的结论跟他们一致。Anthropic内部做过一个统计，99%的工程师在用300多个AI agent协同工作。他们的核心理念只有一句话：让AI自己检查自己的工作（close the loop, let AI check its own work）。这不是口号，是他们的日常工作方式。

为什么能做到？两个原因。第一，模型的推理能力上来了，能理解复杂规则并执行检查。第二，上下文工程成熟了，可以把检查清单、历史案例、质量标准打包喂给AI，让它有足够的"参考系"来判断好坏。

以前你让一个实习生自己检查自己写的方案，他大概率觉得没问题。但如果给他一份详细的评审标准，告诉他每一条都要对照着看，他的自检质量就会高很多。AI也是一样，关键是给它足够好的"验收标准"。

04 怎么开始写循环

你不需要学编程，不需要懂技术架构。写循环这件事，核心能力只有一个：把"好"的定义说清楚。

具体来说，三步：

第一步，定义"好"长什么样。你平时怎么判断AI输出好不好？是凭感觉，还是有标准？如果有标准，写下来。比如"报告里的数据必须有来源"、“不能出现空泛的总结性语句”、“每个观点至少配一个具体案例”。这些就是你的检查清单。

第二步，把检查环节交给AI。在你的指令里加上一句："写完之后，自己对照这份清单逐项检查，有问题的地方自己改。"就这么简单。你不需要写代码，不需要搭系统，只需要在提示词里多加一个"自检"步骤。

第三步，验收最终结果，积累标准。你只看AI自检后的最终版本。如果发现还有问题，把这个问题加到检查清单里，下次它就会自己注意。清单越丰富，AI的自检越准，你花的时间越少。

这个过程本身也是一个循环：你用得越多，标准越清晰，AI表现越好，你越省心。

05 循环设计才是未来的差距

很多人以为AI能力的差距在于用哪个模型、花多少钱买API。这些当然有影响，但不是决定性的。真正拉开差距的，是你能不能设计出一套让AI自己跑起来的循环。

同样用AI写方案，有人每次都从头调提示词，花两小时出一份勉强能用的初稿。有人把验收标准、修改规则、风格要求都沉淀成了循环，十分钟就能拿到一份自检过的终稿。模型是一样的，差距在人。

未来AI使用的分水岭，不是谁的提示词写得漂亮，而是谁的循环设计得聪明。

你不需要懂技术，不需要学编程。你需要的是换一个思路：别再想着怎么指挥AI做好这一次，开始想怎么让AI以后每次都做好。

从今天起，拿到任何一个AI任务，先问自己一个问题：这件事的"好"长什么样？把答案写下来，交给AI自己对照着做。

这就是写循环的起点。

一个在研究怎么让Agent帮自己提效的人。