第 1 篇
与 AI 共事 · Agent Engineering思考强度调高了，Agent 就会更听话吗？
使用 Agent，既要检查它有没有漏做，也要检查它有没有擅自改掉你的要求。提高思考强度后，这项检查仍然不能省。 图中是两类失败的示例，不是发生概率的实测结论。
·1 分钟阅读
系列
图解与随笔，记录 AI 协作中的判断、学习和交付：怎样把目标说清楚，怎样检查结果，也怎样让经验留在自己身上。 想快速找方法，先看《用 AI：出结果、长本事、不白忙》；想讨论学习与判断，再读《原来，能回答我的 AI，不一定会教我》与《别让一次纠正，只解决这一次》。其余文章按问题选读，不要求把随笔当成固定课程。
下列文章按作者设置的系列顺序排列。
第 1 篇
与 AI 共事 · Agent Engineering使用 Agent，既要检查它有没有漏做，也要检查它有没有擅自改掉你的要求。提高思考强度后，这项检查仍然不能省。 图中是两类失败的示例，不是发生概率的实测结论。
第 2 篇
与 AI 共事 · Agent Engineering模型能力是重要基础。人的价值，在于补充真实背景、偏好、约束和关键判断；把 AI 的方案照搬成指令，不一定增加信息，也可能限制它的发挥。 想不清就借助追问澄清，讲清楚就让它在边界内执行。流程按需要用，最后用实际结果验收。
第 3 篇
与 AI 共事 · 图解先用语音自然表达，再让 AI 去重、梳理逻辑和整理文字，可以降低记录想法的负担。但整理也可能引入误解、补充或原意变化，最终仍要由表达者核对。
第 4 篇
与 AI 共事 · 图解用六张图梳理怎样让 AI 帮上具体的忙：先区分交付与学习，再选择澄清、练习、实验、排错或批量处理。检查真实结果与新证据，也为独立审查和停止投入设好边界。
第 5 篇
与 AI 共事 · Agent Engineering一次纠正之后，怎样留下以后还能使用的做法？讨论把反馈转成可复用规则与检查方法，避免同类问题反复出现。
第 6 篇
与 AI 共事 · 学习流程从向 AI 要答案转向借 AI 学习，讨论怎样让讲解、追问和验证服务于理解。关注的不只是回答是否清楚，还有学习者能否真正参与和掌握。
第 7 篇
与 AI 共事 · 随笔分析当智能从童年陪到老年，事情做成之后，经验怎样留在我们身上？从一个鸟屋谈起，思考尝试、反馈、判断与一生的选择。
第 8 篇
与 AI 共事 · 随笔分析当知识、方法和执行能力都能借助 AI 调动，我们是否仍在用过去的能力，限制现在的想象？从速度、高度、深度与广度，重新理解怎样提出值得尝试的目标。