# shxuk

> 一个公开经验库：把技术、营销话术和商业黑话，翻译成不同角色听得懂、能动手的版本。

站点定位：写给 B 端市场负责人、创始人和一线销售的 AI 协作实操手册，不教写代码，教判断与翻译。全站内容免费公开，正文按阅读顺序列在下面。

## 正文

- [SHXUK 公开经验库](/): 一个公开经验库：把技术、营销话术和商业黑话，翻译成不同角色听得懂、能动手的版本。
- [普通人的AI 协作实战手册](/book/): 写给不打算学编程、但要用 AI 做出东西的人：这本书讲怎么把 AI 变成放大本职能力的工具。
- [常见问题该从哪一篇查？](/book/faq/): 按主题分六篇，入口见下。卡住了直接跳到对应那篇，不用从头读。
- [Agent 怎么选？](/book/getting-started/choose-your-agent): 先用 Mac；Windows 就先装 WSL。Agent 选 Code 版，国内国外都一样。模型一强一快分工，费用先白嫖再按任务升级，中转站能不用就不用。这几件事定完，就可以开工了。
- [Agent 怎么设置？](/book/getting-started/configure-your-agent): Memory 关掉；权限弹窗选全自动，边界交给沙箱和提示词；MCP 和 Skill 越少越好；soul.md、user.md 不要写；全局守则守底线、项目守则记踩坑，能不写就不写。
- [AI 为什么不按你说的做？](/book/prompt-control/why-prompts-fail): 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。
- [AI 为什么不按你说的做？](/book/prompt-control/why-prompts-fail): 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。
- [提示词到底该怎么写？](/book/prompt-control/prompt-writing): AI 可以理解为统计机器。输出与预期不符时，排查思路优先落在输入端：提示词本身，以及它触发的各类注入指令。写法上先让人看懂，再兼顾机器特性——标准版是八个板块，直觉版是发散、收敛、按输出格式验收。
- [有哪些能立刻用上的提示词技巧？](/book/prompt-control/prompt-tips): 六个可以直接照做的技巧：先复述别执行、反向提问、先给路径、思维链、元提示、用格式约束锁住输出。
- [Attention is all you need](/book/attention-is-all-you-need/token-environment): 上下文是全部 Token 的集合，主要包含你写的「提示词」，以及通过「提示词」注入的其他历史记录、联网、检索来的信息等 Token。上下文管理的本质，就是筛选、留存有用的 Token，在上下文窗口内维护一个高质量的 Token 环境。
- [上下文管理到底在管什么？](/book/attention-is-all-you-need/token-environment): 上下文是全部 Token 的集合，主要包含你写的「提示词」，以及通过「提示词」注入的其他历史记录、联网、检索来的信息等 Token。上下文管理的本质，就是筛选、留存有用的 Token，在上下文窗口内维护一个高质量的 Token 环境。
- [AI 的上下文为什么只增不减？](/book/attention-is-all-you-need/context-only-grows): Token 一旦进入上下文窗口就只能追加，模型无法删除；旧内容依然参与计算，持续分散注意力。由此衍生三个常见故障：长文本中间的指令被忽略、明显的错误视而不见、开口就编。应对办法是把关键约束放在开头或结尾，重要信息直接贴给它。
- [为什么 AI 会舍近求远、说正确的废话？](/book/attention-is-all-you-need/hidden-injection): 当 AI 舍近求远，或者给出非常反直觉的「正确回答」时，绝大部分时候是「上下文缺失或错位」造成的。面对这样的问题，工程师们给了一个非常棒的设计：让 AI 主动注入 Token。
- [为什么要看 AI 的思考过程？](/book/attention-is-all-you-need/read-reasoning): AI 的输出不只是最终回答，还包括生成回答时消耗的推理过程，也就是常说的 CoT（思维链）。思维链是模型给出答案之前在内部生成的中间文本；看它的意义不在于认可它的推理，而在于用推理过程定位它理解偏在哪一步。
- [AI 为什么总顺着你说？](/book/attention-is-all-you-need/ai-agrees): Transformer 架构的 AI 是概率机器，我们不该把它当成自动正确答案生成器。更有效的用法，是把它当成高效率、低成本的生产力放大器。
- [什么活儿该派给子代理？](/book/attention-is-all-you-need/subagent): 子代理是独立隔离、可调用工具的任务执行者，用来解决主线上下文膨胀、任务混杂的问题：把子任务外包出去，只返回结果，不污染主线。判断标准只有一条——这段中间过程值不值得占用主对话的 Token 预算。
- [Agent Teams 什么时候比子代理更好用？](/book/attention-is-all-you-need/agent-teams): 子代理只能单向汇报，不能横向讨论；当一个任务需要在几个分工之间来回对齐，而不是各干一段再汇总时，就该换成 Agent Teams 的平级协作。代价是协调开销和更笨重的流程。
- [n8n 为什么要放在上下文工程里讲？](/book/attention-is-all-you-need/n8n): 子代理和专家团隔离的是上下文，协调仍然发生在对话窗口里；n8n 隔离的是整个流程，把流程从窗口中剥离出去。控制权也随之从设计者转到模型自己手里。
- [Handoff 为什么接不住跨设备？](/book/attention-is-all-you-need/handoff-limits): AI Agent 的 Handoff 只是会话快照级的临时接力，解决不了项目长期、跨环境、可独立复原的状态交接。卡住的不是模型，而是技术、产品、商业三重结构性冲突。
- [你真的知道自己要什么吗？](/book/ask-before-building/why-ask-first): Agent 无法感知你内在的真实意图，只能基于提示信息推测目标；所以「你要什么」必须由你说清楚。需求澄清，就是把脑海里模糊的想法，转化成一份可供 Agent 稳定执行的约定，避免它努力地做错事。
- [你真的知道自己要什么吗？](/book/ask-before-building/why-ask-first): Agent 无法感知你内在的真实意图，只能基于提示信息推测目标；所以「你要什么」必须由你说清楚。需求澄清，就是把脑海里模糊的想法，转化成一份可供 Agent 稳定执行的约定，避免它努力地做错事。
- [需求说不清的时候，该怎么办？](/book/ask-before-building/requirement-clarification): 先把需求「提」清楚，再让 AI 动手。现成的苏格拉底式方案里，/grill-me 一问一答地挖隐性假设、确认边界，最后整理成一份规格文档；需求极简单时，用「什么角色、在什么场景下、做什么事情」自查一遍即可。
- [用户为什么要“雇佣”你的产品？](/book/ask-before-building/jtbd): JTBD 全称是 Jobs To Be Done，待办任务理论。它主张用户不是买产品，是“雇佣”产品，在某个场景下帮自己完成一件事（Job）。它补上苏格拉底提问不关心的问题——为什么要做：用一句 Job Story 把触发场景、动机、现状和成功标准收成一个任务，AI 才知道什么才算做成。
- [一句话需求怎么落成一份 Spec？](/book/ask-before-building/task-to-spec): 一句话需求要经过三步才落成 Spec：先用苏格拉底提问把隐性假设挖出来，再用 JTBD 收成一句可执行的任务，最后写成一份带可核验验收标准与终止条件的 Spec。重心是验收与终止，不是写死步骤。
- [文件夹结构怎么定，AI 才不会乱放文件？](/book/workflow-habits/folder-structure): 工程化的本质，是给项目建立一套没有歧义的职责契约：职责槽位、相对路径、命名规则。你可以把项目的控制权完全交给 AI，但为了避免几轮之后项目彻底失控，你至少要掌握项目结构的抓手：在项目守则里注册槽位，让 AI 理解每一类内容归属；后续新增目录时，你也有统一的命名方式。
- [README 该怎么写？](/book/workflow-habits/readme-project-card): README 是项目根目录下的入口文档，在 Vibe Coding 环境里应该被当成项目卡片来写：项目名与一句话简介、背景与目标、当前状态、技术栈、安装与运行、路径文档入口、相关链接。技术细节让 Agent 补，结构由你定。
- [Spec 到底该怎么写？](/book/workflow-habits/spec): Spec 是把模糊任务收束成 AI 可执行、可自查、可验收的契约。它的重心不是规定怎么做，而是定义什么算做完：写清目标、边界约束和可逐条打勾的验收标准，把 HOW 留给 AI。
- [commit message 该怎么写？](/book/workflow-habits/commit-message): commit message 是 git commit 的提交备注。用 type(scope): 标题 加四行正文的写法，每次提交就成了一份可回看、可回滚、可交给 AI 审查的轻量状态报告，不用再单独维护开发流水账。在源代码管理中用 Git，配合一段提示词，就可以让 AI 帮你完成提交。
- [踩坑库为什么是伪需求？](/book/workflow-habits/pitfall-library): 踩坑库记录故障和修复，看起来能省掉重复试错，但它只是给人看的历史。Vibe Coding 里真正防复发的是规则：每次排障都该被整理成一条可执行的规则，写进项目守则或提示词，然后从踩坑库里清空。它的终点不是越积越多，而是被固化、被清空。
- [Git 是干什么的？](/book/coding-tooling/git): Git 是本地的时间机器：把整个项目一次次拍成完整快照，核心动作只有提交和读档。懂了四个区域、分支、回滚和 .gitignore，AI 说「已暂存」「已推送」时你就不会一头雾水。
- [GitHub 除了存代码还能干什么？](/book/coding-tooling/github): GitHub 是基于 Git 的代码托管平台，本质就是给 Git 用的网上磁盘。装上 GitHub MCP 之后，你可以完全不打开网页：让 AI 建仓库、推代码、拉最新版本，把 GitHub 当作 Vibe Coding 的跨设备同步器和长期记忆体。
- [非编程人员的项目该用哪套技术栈？](/book/coding-tooling/tech-stack): 入围标准只有两条：足够权威、AI 天然友好。于是六件套可以直接照抄：Next.js、Tailwind CSS + shadcn/ui、Supabase、Vercel、Sentry、Vercel AI SDK。不必理解它们是什么，把项目规则写进项目守则，让 AI 按这套默认往下写。
- [怎么让 AI 帮你找到现成的轮子？](/book/coding-tooling/tool-selection): GitHub 上的现成项目不是按需求列出来的，所以先把需求切成最小可验收切片（MVS），再用接口想象力判断两个 MVS 能不能接上；然后用五步指挥 AI：定 MVS、摊开技术路线、读代码选项目、子代理复核、写成 Spec。
- [Skill 到底是什么？](/book/coding-tooling/skill): Skill 就是一份写给模型看的工作流文档：它不能给模型加装新能力，只是告诉它先干什么、再干什么。系统靠语义触发来装它，所以每个启用的 Skill 都在消耗注意力预算——纯文字类、不常用的流程更适合存成 md 文档，而不是做成 Skill。
- [MCP 是干什么用的？](/book/coding-tooling/mcp): MCP 是一套通用协议，约定 Agent 怎么调用外部的独立服务：文件、数据库、网页搜索、GitHub 都可以通过它接进来。它提供的是工具，不是工作流——装错一个 MCP，代价可能让别人的命令跑进你的电脑，所以只常驻 4 个，其余按需开。
- [知识库怎么搭？](/book/coding-tooling/knowledge-base): 知识库是放知识与经验的唯一入口，里面是一个收件箱加 PARA 四格。读完你能给自己搭一套 AI 能直接读的库，也知道哪些东西不该放进去。
- [AI 不按我说的做，是提示词哪里写错了？](/book/faq/prompts): 先别怀疑 AI，先看自己给了它什么。提示词的问题多半不是短，而是有歧义、缺验收标准；把「我想要什么结果」写清楚，比堆形容词和角色头衔有用得多。
- [AI 为什么记不住前面说过的话？](/book/faq/context): 上下文就是模型这一轮能看到的全部 Token，它只增不减，中间的内容最容易被忽略。指望它自己记住不现实，把关键约束放在开头或结尾、把材料直接贴给它，才稳。
- [需求说不清，怎么让 AI 做对？](/book/faq/requirements): 需求不清时，AI 不会停下来问，它会顺着你的模糊猜一个完整方案。开工前先做一轮需求澄清，再用一句 Job Story 收住目的，最后写成带验收标准和终止条件的 Spec。
- [AI 把项目越改越乱，怎么管住？](/book/faq/engineering): AI 没有维护结构的意识，几轮迭代后就会私自建目录、散落文件、推翻原有逻辑。抓手是三样：职责槽位管住文件去哪，项目守则管住规则写什么，Git 管住改坏了能不能退回去。
- [Git、MCP、Skill 这些工具，哪些该装、哪些该关？](/book/faq/tools): 工具不是越多越好。Git 是必须的底座，MCP 常驻四个就够，Skill 每启用一个都在消耗注意力；判断标准是同一条——它是不是在替你补上非编程人员最短的那块板。
- [知识库怎么搭，AI 才能直接用？](/book/faq/knowledge-base): 知识库只有一个入口：收件箱。东西先进来，再按 PARA 四格分流；代码、密码、AI 草稿各自独立，不跟知识混住。搭对了，Agent 顺着卡片里的相对链接就能自己找，不用你把整个库倒给它。
- [文章](/essay/): 文章是《普通人的AI 协作实战手册》之外的单篇：一次讲清一个判断，不按章节顺序读，按发布时间倒序排列。
- [端正态度：别用 AI 假装成专业的人](/essay/attitude): Vibe Coding 能破圈，是因为它完成了一次从强范式到弱范式的转译；但入口是弱范式的，门后仍是强范式的。

## 可选

- [llms-full.txt](/llms-full.txt): 全站正文纯文本，一次请求读完，不用逐页抓取
- [sitemap.xml](/sitemap.xml): 全部可索引页面清单