告诉 agent「为什么」，而不只是「怎么做」

早期的 AI agent 基本上就是热情高涨的笨蛋。跟它们协作，你得精确告诉它你想让它做什么（比如“A 方法存在于 B 类上，请给 C 到 F 类各加一个等价的方法”）。否则它就会跑偏，做出完全错误的事。但随着 AI agent 不断进步，情况变了。

如今前沿模型跑偏做错事，不是因为它们糊涂，而是因为它们对你的目标或优先级做出了错误假设。比如 GPT-6-Astra 以为是在给自己写代码时，就会产出压缩过的代码。它完全有能力写出人类可读的代码——至少在 Golang 上是这样，我用这个模型写出过几千行可接受的代码——但你必须告诉它，代码是给人看的1。

这是我最想给大多数给 agent 写 prompt 的人的一条建议：给 agent 提供关于你优先级的上下文，而不只是你想要它完成的具体任务。下面是我最近用来启动 Deckard 的一条 prompt。

你好。你应该可以通过 MCP 访问 Runpod（如果没有，告诉我，我来处理）。我有一个长期目标：做一个本地程序或浏览器扩展，自动扫描我加载的页面中的 AI 内容并把它隐藏起来。短期目标是找出能在我的 macbook 上运行、又不会把电池榨干或让机器发烫的最佳 AI 检测模型，以及（相关的）如何最高效地运行这个模型。我猜 Pangram 的 EditLens 3B 或更小的 Roberta 模型可能是个不错的起点，不过它们可能需要量化，而且肯定需要花些功夫才能在我的 macbook 上尽可能高效地运行。我希望你用我的 Runpod 账号开始回答这些问题。最终我们会转到这台 macbook pro 上做事，但我希望 Runpod 能帮忙跑一些本地跑起来太烫/太久/太慢的实验。你是个聪明的模型；如果你能看到更好的方式来实现我的目标，请告诉我，我们讨论一下。祝好运。

这个提示词里大约一半的篇幅都在交代宽泛的背景：我想做的整体项目是什么、这是个人用途而非工作、我的优先级排序（比如让笔记本保持低温）。如果我写一份明确的规格说明，就会错过一堆改进：比如本地模型改用 native messaging，或者选 Gradient 模型而不是 EditLens。

工作中我也这么干，只是会更强调自己的技术价值取向。我常常写上一段话，说明避免 bug、可观测性、优雅融入现有代码、性能这些事之间的相对优先级。注意是「相对」优先级：我不是把这些统统列出来说它们都重要，而是明确告诉模型哪些我没那么在乎、因此可以牺牲掉来更好地实现其他目标。

模型现在已经足够聪明，能在你的宏观目标上给出有意义的意见。如果你只用一份具体的技术规格去提示它，那就犯了和 XY 问题一样的错误：向专家请教，却不给专家所需的背景。

顺带一提，如果代码库是人写的，你不需要特意让它写出「像人写的」代码。它足够聪明，能自己学会周围代码的风格。 ↩