AI比你聪明,你还在教它做事?
Lauren 教 AI 做事,宝玉让 AI 自己学。定好目标和验收,剩下交给模型自己跑。两种自动化思路,差在哪?
Lauren Tan 写了篇自动化入门指南,核心思路是先讲清目标,再教 bot 怎么做。她提到一个关键认知:自动化不只是技术活,而是一种思维方式。把目标拆成步骤,再让机器替你跑。Grok Bot 的意义在于,不懂代码的人也可以用自然语言让 bot 干活。
宝玉转发了这篇,说自己跟她不一样。差别在于:Lauren 很强,加上模型还不够聪明,所以她把功夫花在教 Agent 上,把自己的最佳实践交给 Grok bot,让它像自己一样思考。宝玉觉得 AI 比自己聪明,用的模型也不局限于 Grok,所以更强调目标和验收,中间步骤不干涉。
他的方法是个循环:目标 → 验收 → 改进。
目标没什么可说的。验收标准则告诉 AI 怎么自己检验结果,最好配上工具:截图、网络检索、代码运行环境。比如他做新闻发布自动化,一条重要的验收标准就是动笔前必须先做事实核查,确保内容真实、有出处。有些任务还能沉淀出测试集或者自动化测试代码,每次跑完自动验一遍。
第三步,先跑起来再调整。宝玉的比喻是打靶:先朝靶子开一枪,打完就知道离靶心差多少、往哪边偏,接下来怎么调心里就有数。至于 Agent 怎么执行的,不必看得很细。调整结果才是最考验专业水准的地方。你自己得知道什么是好的,不然只能 AI 生成什么就接受什么。光看出不好不够,还得能准确描述给 AI 往哪改。
第四步,让它自己进化。现在的 Agent Harness 都有记忆功能,但不一定会主动记录自动化任务里遇到的问题。他从两个层面让 Agent 自己提升:一是把最佳实践沉淀成 Skill;二是让 Agent 主动记录执行中的经验教训,再回头改进 Skill 本身。他做逆向任务,每一轮执行完都让 Agent 往 lessons.md 里记一笔,有教训就写下来,没有就跳过。然后让模型自己评估,要不要去优化 Skill 的说明和脚本。
副作用是 Skill 会越来越臃肿,所以要定期重构清理,这事交给 Agent 自己做。每次重构完,把以前的测试集和自动化测试重新跑一遍,免得删错。
评论区有几个角度。有人调侃:lessons.md 听起来像是 Agent 的日记,专门记录自己表现不好的日子。有人提醒更实际的问题:最佳实践交得越多,越要防规则漂移,已经作废的规则,下一轮还被当真。这是多轮交接实验中最难的一种偏移。有人总结得更干脆:目标和验收卡死,中间步骤放手,循环转起来比一步步教更划算。
还有网友补充背景:Agent Skills 上个月正式交给 Linux 基金会托管,Claude Code、Codex、ChatGPT 等 70 多个平台现在都读同一套 SKILL.md。lessons.md 加定期重构,等于写一次就能跨平台复用。也有人提出相反条件:模型资源有限的时候,不多做点人工约束没法看,这本质是 trade off,不是谁的方法更高级。
Lauren 在文章末尾放了个 Dr Eggbot v2 bot 模板,专门帮人生成单一职责的自动化 bot,会先访谈目标再帮你搭。她说,很多人没把 Grok Bot 用到极致,因为知道怎么自动化本身是门需要学的技能。
一句网友评论点透了两种思路的差别:她还在写讲义,他已经去收卷了。没有哪个绝对正确。模型越聪明,定好目标验收、让 AI 自己跑就越省心。如果 AI 已经比你聪明了,还一步步教它做事,确实有点亏。
发布时间: 2026-11-20 15:36