AI 为什么不按你说的做？

导读

与 AI 合作时，如果它没有按照你的「指令」行事，问题一定出在你的提示词上。使用 Agent，本质上是一场用 Token 换 Token 的游戏。如果你没有得到你想要的 Token，那就一定是你给出的 Token 有问题。

举个例子

设想你带个实习生，把一份会议纪要丢给他：

「把这份会议纪要整理一下」

他转身要走，你不放心，补了一句：

这个会是为一件拖了很久的事临时开的，你要把每个人承诺的交付时间清楚列出来——写清四件事就行：
1. 都谁参会了
2. 大领导说了什么
3. 大家都承诺了什么
4. 具体什么时候交作业什么时候交

跟真人实习生合作，你是有耐心的：你会交代背景、说清格式、告诉他这份东西干嘛用。换成 AI，大多数人只丢一句“把这份会议纪要整理一下”。

归根到底，其实都是“话没说明白”

很多行为都在主动（或被动）地注入 Token

不仅仅是键盘敲进去的提示词，窗口里面的聊天记录、让 AI 去网络上查的信息，以及 Harness 本身自带的提示词（系统提示词），都是注入 Token 。

TIP

联网、阅读本地文件这样的指令，是通过注入额外命令让 AI 发起的，所以要注意：要用明确的语言，下达相关命令。

什么是系统提示词

系统提示词是给 AI 的底层指令，用来提前设定它的身份、规则、风格和能力边界。它会在每次对话开头自动生效，约束 AI 怎么理解和回答你的问题。

如果你用的 harness 比较多，你会明显地感觉到它确实存在：不同的 harness，有非常明显的倾向偏好。举例子：一家国产厂商的办公向 Agent 就具有非常强的干活的冲动，这是因为它的 /craft 优先级很高。

什么是 Harness

公式：AI Agent = Harness + LLM + Scaffolding

像 Codex、Claude Code、Grok BOT 这类产品，都属于 AI Agent。

• LLM： 底层大模型，比如 DeepSeek、Claude 等模型，是 Agent 的大脑；
• Harness： 衔接模型和计算机的程序，负责调度、让模型能调用资源、实际执行任务；
• Scaffolding： 脚手架，也就是配套代码，定义 Agent 的执行流程、思考范式。

行业主流一般是 Agent = LLM + Harness（Harness 内部已经包含 Scaffolding）。但如果你也想 DIY 自己的 DeepSeek 大肥鱼，或者其他类似的产品，那就要明确： harness 还需要一个执行流程和思考范式才能使用。

提示词质量有高低之分

“注入 Token”的本质是：你在用有限的符号，去操控一个无限复杂的概率场。

落到概率分布上，提示词有三种“形状”：

你写下的东西	概率分布	输出的样子
精准的 prompt	被压成一个尖锐的峰	稳定、可控
模糊的 prompt	平坦、弥散	随机、发散
触发联网或查库	被灌入新的外部信号	先验分布被强行扭转

语言本身有信息损耗，你永远无法把脑子里“想要的东西”无损编码成 Token。你能做的只是不断追加 Token 来缩小误差——追问、纠正、给例子、换说法。

每一轮对话都是一次“校准”输出与意图之间的残差，并用注入指令把残差它消除掉。

总结

这些经验后来甚至被总结成“提示词工程”“上下文工程”之类的课程，都是建立在“用 Token 换 Token”之上的经验总结。

所以没必要去花时间学习什么提示词工程上下文工程，你只需要记住你是在：注入 Token，校准意图就完全足够了。

AI 输出的 Token，必须是「能被验证的结果」

我可能要用一个啰嗦的方式去解释一个浅显的道理

先举例子：

• 不会画画的你让AI去绘图，前提是你知道你要的图片应该长什么样子。

• 不懂代码的你让AI去做编程，前提你知道程序应该达到什么效果。

• 让 AI 去写一段文案，你知道什么是“对味儿”。

• 向AI提问时，你不一定知道答案，但你知道什么样算是合理、可查证、不自相矛盾。

如果输出内容 100% 在预料之内，就没有信息增量，这是检索或复述；

如果 100% 在预料之外，又无法验证，则是噪声（和赌博）。

我们想要的，不是“输出内容必须在我预料之内”，而是“输出结果能落入我的验证框架之内”。

我们输入 Token 时，要以验证标准为前提。你希望 AI 执行一个任务，就必须把任务交代清楚：

• 它要解决什么问题；
• 它大致要经过哪些步骤；
• 它必须满足哪些约束，什么是对的，什么是错的。

AI能代替我们去思考具体执行步骤，但不能代替我们去设立验收标准。

这个态度的对立面，就是开头那句“把这份会议纪要整理一下”——看似交代了任务，其实没交代什么算完成。

补充：Token 是显性成本，认知带宽是隐性成本

输入多少 Token、输出多少 Token、花了多少钱。但这只是显性成本。与 AI 协作消耗的，是人脑的认知带宽。

每一次“提问 → 等待 → 阅读 → 判断偏差 → 再追问”，都是一次高强度的认知循环。当 AI 的输出无法直接对接你的预期时，你就要被迫充当了“人肉翻译器”和“质检员”。

你本意是将执行外包，结果 AI 却把思考的成本加倍退还回来。这就解释了一个普遍的困境：为什么交给 AI 反而效率更低、质量更差，且极度疲惫。因为你额外承担了“编码意图 → 解码输出 → 校验对齐”这一整套沉重的翻译工作。

与本文无关的牢骚，从“Token 是显性成本，认知带宽是隐性成本”引申的

作为 AI Native 的亲历者，我最真实的感受并非轻松，而是透支。同时开三个对话窗口，基本就触及了我的脑力上限。市面上鼓吹的 AI Native，大多还停留在用 AI 做调研、写报告、转换格式的工具层面，并未触及真正的协作痛点。

有一段时间，我们一个组不仅不开会，甚至不沟通，因为所有的成果都已经被量化，被 AI 整理好。我们没做过对照，不知道这样效率会不会更高，但我们在一件事上达成了一致：太TM累了。

我想，要打破当前的桎梏，或许只有两条路：要么在交互端彻底消除自然语言的歧义，比如脑机接口，用意识交流而不是低效的语言；要么模型能达到 1T 的上下文容量，要么干脆别用 Transformer 架构的模型。当然还有一种可能，就是算力基础设置突破当前物理学限制，不过真有那时候，Transformer架构的优势就不再了一定会被符号路线所替代。