Goal × Loop搭配指南：長任務自動化落地老金給你講明白！
整理版優先睇
將願望轉化成可驗收goal，配合loop同state令AI更可靠
作者老金觀察到好多人用AI嗰陣第一句就係「幫我做...」，但AI畀出嘅結果往往唔到位，因為呢啲只係願望，唔係可驗收嘅目標。佢想解決嘅問題係：點樣正確設定目標，令AI協作更有效率。整體結論係：人負責寫清可驗收嘅goal，AI負責執行過程；再透過loop（反覆檢查修正）同state（當前狀態記錄）管理長任務。
文章先用三個常見場景（寫文章、規劃副業、做AI助手）示範點樣將一句許願式prompt改成可驗收goal。例如「幫我寫一篇爆款文章」改成指定讀者、內容結構、驗收標準嘅版本。呢啲例子清晰展現咗goal嘅五個零件：使用者、結果樣貌、驗收標準、約束、下一輪修改方向。作者仲強調goal太糊會令loop跑偏，但寫得太死又限制發揮，所以最好精確到成功模樣，路徑留畀loop。
最後，作者提供咗一個手把手操作：30分鐘內用state文件、採集腳本同覆盤prompt，搭建一個小型自舉prompt庫。呢個框架令AI越用越好用，因為每晚會覆盤當日重複任務並自動生成模板。成篇文章嘅核心係：先有可驗收goal，再配loop同state，先係有效嘅AI協作方式。
- 願望同目標嘅分別：願望冇驗收口，目標要可驗收，例如「幫我寫一篇爆款文章」只係願望，而寫明讀者、案例數、模板要求先係目標。
- 可驗收goal嘅五個零件：使用者、結果樣貌、驗收標準、約束、下一輪修改方向，缺一不可。
- Goal位置要放喺消息開頭或固定摘要，避免陷入聊天記錄中間；每一次loop都要重新擺正goal同當前state。
- State係會議紀要，唔係錄音帶；只記錄進度、錯誤同下一步，令下一輪唔使從頭猜。
- 手把手操作：用state文件 + 採集腳本 + 覆盤prompt，每晚自動發現重複任務並生成模板，實現loop×goal自動化。
可驗收Goal五行模板
直接複製使用嘅goal結構：我要完成嘅可驗收結果係；呢個結果服務嘅對象係；交付物必須包含；不做或不能越過嘅邊界係；我會用呢幾個標準驗收。
每日覆盤Prompt
用嚟覆盤當日重複任務嘅prompt：讀取 ~/.ai_state/daily_review.json，揾出今日重複≥2次嘅類別，自動生成可復用模板並存入 ~/.ai_state/prompts/。
願望同目標，差一個驗收口
好多人一開AI就講「幫我寫一篇爆款文章」，呢句嘢冇驗收口。漲粉幾多先算爆？讀者係邊個？AI只能按平均樣板補，結果就係「邊個睇都似，邊個睇都唔動」。
願望可以好大、好順、好有情緒；但goal要能驗收，結果出咗你要講得清過咗定冇過。
- 1 寫文章例子：許願句「幫我寫一篇爆款文章」→ 可驗收goal：給剛用AI嘅人睇，正文3個改寫案例，結尾5行模板，讀完可以直接改自己嘅prompt。
- 2 副業例子：許願句「幫我規劃一個AI副業」→ 可驗收goal：30日內用8小時同1000元預算，驗證一個諮詢服務有冇人問，包含放棄標準。
- 3 AI助手例子：許願句「幫我做一個提升效率嘅AI助手」→ 可驗收goal：專注公眾號寫作，每次輸出3個標題方向、1個讀者痛點、1個反對意見，連續5個選題每次10分鐘內搞掂。
Goal · State · Loop 三層架構
Goal管終點，loop管每輪點樣靠近終點。冇goal嘅loop只係令AI更勤力咁跑偏。State就係下一輪嘅會議紀要，記低做到邊、錯過咩、下一步改咩。唔好將上下文當成state，上下文似錄音帶，state似會議紀要。
Goal太糊，loop會跑飛；goal寫死每一步，loop又冇發揮空間。更好嘅寫法係：goal精確到成功模樣，路徑留畀loop。
- Workflow = 軌道列車：goal寫死、loop寫死、state固定字段，適合「每週出報表」呢類固定任務。
- Agent = 自動駕駛：goal模糊、loop動態、state可演化，適合「調研陌生行業」呢類開放式任務。
- 下次接任務先問：呢個係軌道車定無人車？諗清楚先揀。
一個好goal有5個零件：使用者、結果樣貌、驗收標準、約束、下一輪點改。呢五樣放曬入去，AI反而更自由，因為唔使估你真正意圖。
30分鐘搭一個自舉 prompt 庫
理論夠啦，直接教你今晚跑通嘅小循環。場景：你每日用AI做好多雜活，但prompt都係臨時拍。用呢套系統，一週就儲到一個自舉式prompt庫。
- 1 第1步：建立state文件 ~/.ai_state/daily_review.json，初始化日期、today_done、repeated_patterns等字段。
- 2 第2步：建立採集腳本 collect-today.mjs，自動掃Claude Code日誌提取今日輸入，寫入state文件（見下面code_block）。
- 3 第3步：用覆盤prompt叫AI讀取state，歸類重複任務（≥2次），生成可復用模板，存入 ~/.ai_state/prompts/。
- 4 第4步：每晚跑一次覆盤，睇today_done同repeated_patterns，累積模板。
- 5 第5步：週末合併相似prompt，更新 ~/.ai_state/INDEX.md。
// collect-today.mjs
// 作用：掃今天的 Claude Code 日誌，把你今日輸入過嘅話提取出來，寫入 daily_review.json
import fs from "fs";
import path from "path";
import os from "os";
const STATE = path.join(os.homedir(), ".ai_state", "daily_review.json");
const ROOT = path.join(os.homedir(), ".claude", "projects");
const today = new Date(); today.setHours(0, 0, 0, 0);
const inputs = [];
(function walk(dir) {
for (const e of fs.readdirSync(dir, { withFileTypes: true })) {
const p = path.join(dir, e.name);
if (e.isDirectory()) { walk(p); continue; }
if (!e.name.endsWith(".jsonl")) continue;
if (fs.statSync(p).mtime < today) continue;
for (const line of fs.readFileSync(p, "utf8").split("\n").filter(Boolean)) {
try {
const o = JSON.parse(line);
if (o.type === "user" && o.message && typeof o.message.content === "string") {
const t = o.message.content.replace(/\s+/g, " ").trim();
if (t) inputs.push(t);
}
} catch {}
}
}
})(ROOT);
let state = {};
if (fs.existsSync(STATE)) try { state = JSON.parse(fs.readFileSync(STATE, "utf8")); } catch {}
state.date = new Date().toISOString().slice(0, 10);
state.today_done = inputs;
fs.mkdirSync(path.dirname(STATE), { recursive: true });
fs.writeFileSync(STATE, JSON.stringify(state, null, 2));
console.log(`採集完成：${inputs.length} 條 → ${STATE}`);跑完第一晚，你就會見到 repeated_patterns 列出今日重複嘅事，prompts/ 目錄多咗新模板。呢個就係 loop × goal 嘅真實樣貌。
堅持7日後翻睇state文件：repeated_patterns愈來愈短，prompts儲咗10+個用得到嘅模板，errors開始重複同一條——咁就知道邊個prompt要改。呢個先係人寫goal、AI跑過程、loop同state輔助嘅理想協作方式。
加我入AI討論學習Group，公眾號右下角「聯繫方式」
文末有老金嘅 開源知識庫地址·全部免費
我而家睇好多人用AI，第一句大概都係咁。「幫我寫一篇爆款文章。」「幫我規劃一個賺到錢嘅副業。」「幫我做一個AI助手。」「幫我優化一下呢個項目。。。。。。」
呢啲說話聽起嚟好正常，因為人同人之間成日都係咁講。
你同同事講一句「幫我優化一下」，佢大概估到你煩緊乜。但AI唔同。佢會好快俾你一份睇起嚟完整嘅嘢，標題有咗，結構有咗，步驟都有咗，但你讀完都唔知佢到底算唔算完成。
呢個就係好多人啱開始用AI時最易踩嘅坑。你以為自己寫咗goal，其實只係寫咗一句願望。
願望可以好大，好順，好有情緒。goal就要可以驗收。結果出嚟之後，你要講得清楚過咗、冇過、邊度冇過、下一輪要改邊度。
許願嗰陣，人只需要講我想要乜。
但係寫goal嗰陣，人要首先承認自己到底要用乜嘢嚟驗收。
呢個動作一旦慳返，後面再講prompt技巧、loop、state、agent，都會變成一嚿雲咁打轉。
先睇下如果你識得會做到點樣？呢度2d即係2日。
願望最識得偽裝成目標
先睇一個最常見嘅場景，睇下係咪你，至少老金我一開始係咁樣。
你打開AI，個腦裏面有一個方向，想做內容，又想漲粉。你唔想先寫一堆規則，畢竟AI唔係應該理解我咩？於是你打咗一句，幫我寫一篇可以漲粉嘅文章。
AI好快俾你一篇。標題幾勁，開頭幾順，中間仲分咗三點。你讀完覺得有啲唔妥，但又講唔出。叫佢改，佢就將語氣改熱啲。再改，佢就加多幾個案例。搞咗三輪之後，你開始懷疑AI唔得。
但問題可能唔喺AI，問題喺第一句。
幫我寫一篇可以漲粉嘅文章，呢句話冇驗收位。漲幾多粉先叫漲？讀者係邊個？呢篇文章解決啲乜問題？你想讀者收藏、轉發、私訊，定係㩒入課程頁？你唔講，AI只可以按佢見過嘅平均文章模式去補。
平均文章最大嘅問題，就係邊個睇都似，邊個睇都唔會行動。
首先將一句許願改成可驗收嘅goal
第一個例子，寫文章。
許願句：
幫我寫一篇爆款文章。可驗收goal：
寫一篇給剛開始用AI做內容的人看的公眾號稿。讀者讀完要能把自己的選題從一句願望改成一個可驗收目標。
正文至少包含3個改寫案例，結尾給5行模板。
驗收標準是讀者可以直接複製模板，改出自己的下一條AI指令。第二段冇話保證爆款，反而更加有機會俾人轉發。因為佢講清楚咗讀者、問題、動作同交付物。AI寫完之後，你都驗收得到。冇3個案例，唔合格。結尾冇模板，唔合格。模板唔可以直接複製用，唔合格。
呢度先記住一句話，goal係驗收標準，唔係施工圖。
佢唔係將每一步都寫死，而係將成功嘅樣寫清楚，路徑留返俾後面嘅過程去行。
第二個例子，規劃副業。
許願句：
幫我規劃一個適合普通人的AI副業。可驗收goal：
基於我每週可投入8小時、預算1000元以內、已有公眾號和小紅書賬號的條件，給我設計一個30天副業驗證計劃。
目標不是馬上賺錢，而是在30天內驗證一個可收費服務是否有人願意諮詢。
交付物包括目標用戶、一個具體服務包、10條獲客內容選題、第一週行動清單和放棄標準。呢段話入面最關鍵嘅唔係「AI副業」四個字，而係30日、8個鐘、1000蚊以內、已經有賬號、諮詢意願同埋放棄標準。好多副業規劃最後變咗雞血文，就係因為冇放棄標準。AI會俾你十條路，每一條都睇起嚟做得。你越睇越興奮，第二日就唔知先做邊個。
可驗收goal會逼你承認資源有限。你一星期得8個鐘，就唔好俾AI幫你設計一個似小公司咁嘅運營盤。你預算得1000蚊，就唔好俾AI推薦一堆投流打法。你要驗證諮詢意願，就唔好先做一套完整課程。
呢個唔係將目標寫細，而係將目標寫到你真係鬱到手。
第三個例子，做AI助手。
許願句：
幫我做一個AI助手，能幫我提升效率。可驗收goal：
做一個面向公眾號寫作的AI助手。
它每次接到選題後，先幫我輸出3個標題方向、1個讀者痛點、1個反對意見和1個可驗證的正文承諾。
暫時不要求自動寫完整文章。驗收標準是我連續用5個選題測試，每次都能在10分鐘內得到可用於開稿的判斷材料。呢個就係我更願意相信嘅AI協作方式。
人負責判斷呢個助手應該服務啲乜結果，AI負責將中間動作跑得快。
你唔需要一嚟就做一個乜都搞得掂嘅超級助手，首先俾佢穩定解決一個最煩嘅小步驟，例如開稿前唔知從邊度落手。
可以連續5個選題跑得通，先叫呢個助手有啲價值。跑唔通，都知邊度壞咗。係標題方向太空泛，定係讀者痛點太濫，定係反對意見唔夠尖鋭。
呢個就比「提升效率」四個字清楚得多。
Goal嘅位置都重要，但唔好寫成玄學
Goal寫喺邊度，確實會影響長任務入面嘅穩定性。
更加準確嘅講法係，長上下文入面，模型唔一定可以穩定利用所有位置嘅資訊。論文Lost in the Middle觀察到，相關資訊喺輸入開頭或結尾時，模型表現往往更好，放喺中間時更容易跌性能。Anthropic嘅長上下文提示實驗都喺討論點樣提高模型從長文檔入面揾返關鍵資訊嘅概率。
所以呢件事對普通人有乜用？
唔好將goal埋喺幾千字聊天記錄中間。每次叫AI繼續做長任務時，先將當前goal、驗收標準同當前狀態重新擺喺佢眼前。你可以將佢放喺本輪消息開頭，或者放喺一段固定摘要入面。
自然語言式寫法通常係咁樣：
你是一個公眾號寫手。請幫我寫一篇關於loop和goal搭配使用的文章，目標讀者是AI工程師。
文章要通俗易懂，要有案例，要有反常識點，結尾要給一個可執行的動作。
字數2500字左右。更加穩定嘅寫法係將驗收項拆出嚟：
{
"role":"公眾號主筆",
"goal":"寫一篇讓讀者能跟做的loop和goal搭配指南",
"audience":"剛開始把AI用於內容和項目的人",
"acceptance":["讀者能分清願望和goal","至少3個可照抄案例","結尾有5行模板"],
"loop":"每一輪檢查是否服務同一個goal",
"state":"記錄當前進度、已刪論據和下一步"
}呢個改法唔係為咗顯得工程化，而係為咗少啲猜。goal一旦變成獨立字段，AI同人都更容易睇到佢。下一輪改稿時，你都唔使重新解釋一大輪，只要睇呢幾個字段有冇變。
冇goal，loop只係喺度換第啲方式去猜
講到呢度，先輪到loop。
loop就係重複執行、檢查、修正嘅一套動作。寫文章時，佢可以係先出標題，再寫開頭，再檢查案例，再補模板。做副業時，佢可以係先揾用戶，再寫服務包，再出內容，再睇下有冇人嚟問。做AI助手時，佢可以係先跑5個選題，再記錄失敗，再改提示詞。
但loop有一個前提，要有一個可以驗收嘅終點。冇goal嘅loop，只係令AI更加勤力咁跑偏。你叫佢改，佢就改語氣。你叫佢再具體啲，佢就加例子。你叫佢高級啲，佢就換一層更靚嘅詞。
呢個就係我以前成日見到嘅反面例子。一個任務跑到第六輪，AI開始偏離最初方向。好多人會話AI忘記初心。
其實唔一定係忘記，有時係你從來冇俾佢一個穩定可讀嘅初心。
你將目標埋喺最早嗰條消息入面，後面一路追加資料、意見、吐槽、臨時想法。到最後，AI只能從一堆碎片入面猜而家乜嘢最重要。佢唔係唔努力，佢係努力咁猜錯。
所以loop同goal嘅關係可以粗暴理解成一句話：goal管終點，loop管每輪點樣靠近終點。goal太模糊，loop會跑飛。goal寫死到每一步都規定好，loop又冇發揮空間。
更加好嘅寫法係，goal精確到成功嘅樣，路徑留俾loop。
反例：
寫一篇2500字的文章，分5節，每節500字。呢個goal睇起嚟好具體，但佢將施工圖寫死咗。AI可能會認真咁湊出5節，每節都差唔多長，最後似PPT。
另一個反面例子：
寫一篇好文章。呢個goal太模糊，AI只能去揾平均意義上嘅好。於是佢俾你一個標題黨開頭、三段式結構同萬能結尾。
更加好嘅寫法：
寫一篇讓剛開始用AI做內容的人，看完想立刻把自己的一句許願prompt改成可驗收goal的文章。
正文要有寫文章、副業、AI助手3個改寫案例。
讀者5分鐘內能照着模板改出自己的下一條指令。呢段話冇規定每一節點樣寫，但成功標準好清楚。AI可以自己組織路徑，你都驗收得到結果。
State唔係上下文，而係下一輪可以接住跑嘅會議記錄
好多人將上下文同state溝埋一齊，以為聊天記錄越長，AI就越明自己。呢個誤會都幾致命。
上下文似會議錄音，乜都喺入面。state更加似會議記錄，只記三類事：做到邊度，邊啲坑唔好再犯，下一步改啲乜。
LangGraph嘅README將自己描述成用嚟構建長期運行、有狀態agent嘅底層編排框架，其中提到durable execution、human-in-the-loop、memory呢啲能力。你唔需要一嚟就學框架，但呢個方向值得記住。生產級嘅長任務唔可以只靠一串聊天記錄硬撐，佢需要知道失敗後從邊度繼續，人喺邊度接手，邊啲狀態要跨輪保存。
放返普通人嘅場景，state可以好簡單。
呢度睇唔明冇關係，老金文末帶你逐個步驟做。
寫文章時，state唔係全文聊天記錄，而係呢幾行：
{
"current_goal":"讓讀者把許願句改成可驗收goal",
"accepted_cases":["寫文章","副業規劃","AI助手"],
"removed_claims":["第30個詞權重不到50%","80%場景用workflow"],
"next_action":"把舊稿的自舉prompt庫改成小白能做的版本"
}副業驗證時，state都唔使複雜：
{
"current_goal":"30天內驗證是否有人願意諮詢",
"week":1,
"done":["寫出服務包","發出3條內容"],
"signals":["1個人私信問價格"],
"next_action":"繼續發7條內容，不急着做課程"
}你睇，呢度冇神秘嘢。state就係將下一輪最應該知嘅留低。佢唔係俾AI炫耀你傾咗幾多輪，而係令下一輪唔使由頭猜。
Workflow同agent唔好搞錯
好多人一聽到AI助手，就想上agent。好似只要叫agent，任務就會自動變聰明。
Anthropic喺Building Effective Agents入面將workflow同agent分得好清楚。workflow係LLM同工具按預設路徑被編排。agent係LLM可以動態決定流程同工具使用。佢仲提醒開發者先揾最簡單可行嘅方案，只有需要時先增加複雜度，因為agent系統通常會用更多延遲同成本黎換任務表現。
呢段話用大白話講好簡單，大概就係下面咁。
如果你嘅任務係每星期生成同一類覆盤、按固定模板整理客戶反饋、每日將素材改成小紅書標題，咁似workflow多啲。軌道清楚，goal清楚，state字段都可以固定。
如果你嘅任務係調研一個陌生行業、拆一個冇固定路徑嘅項目、叫AI自己決定先查資料定係先寫代碼，咁先似agent。路徑唔確定，模型要動態判斷下一步。
多數人搞錯咗。對賬任務做成agent，結果周圍亂走。探索任務寫成死流程，結果遇到新情況就卡住。
判斷方法都唔使複雜。先問一句，呢個任務嘅路線可唔可以提前寫落嚟？可以寫低，先用workflow。寫唔低，而且每一步都要根據新發現改路線，再考慮agent。
呢個選擇背後都係同一件事。你先要有goal。冇goal，workflow只係機械重複，agent只係自由亂走。
呢個同而家出面鋪天蓋地嘅「Agent平台」「Agent工廠」敍述完全相反。
老金我再翻譯成大白話：
Workflow = 軌道列車。 Goal寫死，Loop寫死，State固定字段。適合「每星期俾老細報告」「按模板生成合約」呢類任務。
Agent = 自動駕駛。 Goal模糊，Loop動態生成，State可以演化。適合「調研陌生行業」「開放式探索」。
下次接到任務，先問一句：呢個係軌道車定係無人車？想清楚再揀。
Devin最值得學嘅唔係估值，而係外層loop
2026年5月，TNW報道Cognition以260億美元估值融資超過10億美元，並寫到CEO Scott Wu話Cognition內部超過90%嘅代碼由Devin完成。
對普通人更加有啟發嘅係佢嘅外層loop。
Devin寫代碼，團隊再用呢啲結果改進Devin。改完嘅Devin繼續寫更多代碼，再暴露更多問題，再反過來改自己。呢個結構比單次寫代碼更加重要。
普通人當然唔需要複製Cognition。你都唔可能今晚就整一個Devin。但你可以有一個好細嘅人肉版外層loop。
每日臨瞓前問自己一句，今日我叫AI做嘅嘢，邊啲可以令聽日少做啲？
如果今日你叫AI寫咗3次類似嘅標題，就將最有用嗰次變成模板。如果今日佢連續兩次將讀者寫錯，就將讀者字段加入你嘅固定goal。如果今日佢成日忘記你唔要營銷號口吻，就將呢個邊界寫入state。
呢個就係個人版自舉。唔係AI突然變聰明，而係你將失敗反饋喂返俾下一輪。
如果對你有幫助，記得關注一下~
逐步操作：30分鐘搭一個「自舉prompt庫」
理論夠啦。下面俾你一個今晚就可以跑通嘅小循環。
場景你每日叫AI幫你做好多雜務，但prompt都係臨時打的。用下面呢套，你一星期就可以儲到一個「自舉」嘅小型prompt庫。
準備你電腦上已經裝咗Claude Code（其他Codex之類嘅都得）。
第1步：建立一個state文件
喺你常用嘅項目目錄下新建 ~/.ai_state/daily_review.json：
{
"date":"2026-06-17",
"today_done":[],
"repeated_patterns":[],
"new_prompts":[],
"errors":[],
"next_action":""
}第2步：建立一個Hook，用嚟自動提取用戶今日輸入
Hook一路以嚟都俾人忽略，係老金用得最多冇之一嘅工具，我認為作為硬性嘅自動化工具，佢簡直無敵。
我都唔識代碼，AI生成如下，呢個係我基於Claude Code做嘅，其他平台嘅自行研究修改，輸入俾佢叫AI自己改就得。
記得一啲基本認知，採集唔消耗token係邊界。
// collect-today.mjs
// 作用：掃今天的 Claude Code 日誌，把你今天輸入過的話提取出來，寫進 daily_review.json
import fs from"fs";
import path from"path";
import os from"os";
constSTATE = path.join(os.homedir(), ".ai_state", "daily_review.json");
constROOT = path.join(os.homedir(), ".claude", "projects");
const today = newDate(); today.setHours(0, 0, 0, 0);
const inputs = [];
(functionwalk(dir) {
for (const e of fs.readdirSync(dir, { withFileTypes: true })) {
const p = path.join(dir, e.name);
if (e.isDirectory()) { walk(p); continue; }
if (!e.name.endsWith(".jsonl")) continue;
if (fs.statSync(p).mtime < today) continue; // 只看今天改過的日誌
for (const line of fs.readFileSync(p, "utf8").split("\n").filter(Boolean)) {
try {
const o = JSON.parse(line);
// 只收你真正打的字：type=user 且 content 是字符串（自動排除工具回傳的數組）
if (o.type === "user" && o.message && typeof o.message.content === "string") {
const t = o.message.content.replace(/\s+/g, " ").trim();
if (t) inputs.push(t);
}
} catch {}
}
}
})(ROOT);
let state = {};
if (fs.existsSync(STATE)) try { state = JSON.parse(fs.readFileSync(STATE, "utf8")); } catch {}
state.date = newDate().toISOString().slice(0, 10);
state.today_done = inputs;
fs.mkdirSync(path.dirname(STATE), { recursive: true });
fs.writeFileSync(STATE, JSON.stringify(state, null, 2));
console.log(`採集完成：${inputs.length} 條 → ${STATE}`);第3步：複製下面呢段prompt俾AI
呢度老金同上都係用Claude Code舉例說明，直接複製俾對話框。
第4步：每晚用一次
打開Claude Code，執行：
cc "讀取 ~/.ai_state/daily_review.json，按裏面的 prompt 覆盤今天的事"你大概可以攞到你今日做咗嘅重複內容，例如我喺測試呢個項目嘅呢啲記錄。
執行完你會見到，today_done 字段被填滿，repeated_patterns 列出今日重複嘅事，~/.ai_state/prompts/ 下面多咗幾個新文件。
然後你就會見到一個好嘅Prompt，基於你今日嘅對話，優化出嚟嘅最佳版本，例如呢三個係我今日執行出嚟嘅。
第5步：週末合併prompt
週末用20分鐘：
把這周新生成的 prompt 文件過一遍
合併相似的（重複的合併成一個）
刪掉用不到的
把高頻 prompt 收錄到 ~/.ai_state/INDEX.md第6步：第二星期睇效果
堅持7日後，返去state文件睇一眼：
1、repeated_patterns 係咪越來越短？即係AI幫你減少咗重複。
2、prompts/ 目錄下係咪儲咗10+個可用模板？即係prompt庫喺度自舉。
3、某日嘅 errors 係咪開始重複同一條？即係嗰個prompt寫得唔啱，要改。
呢個就係loop × goal合理搭配嘅真實樣：goal係「儲一個自舉嘅prompt庫」，loop係「每晚覆盤 + 週末合併」，state係daily_review.json呢個文件。
三層到位，AI真係可以越用越好用。
五個零件，夠你初步用
一個用得嘅goal，通常有五個零件。
第一，使用者係邊個。寫俾啱開始用AI做內容嘅人，同寫俾已經有團隊嘅運營負責人，完全唔係同一篇文章。
第二，結果係點樣。唔好只寫變好、提升、優化，要寫交付啲乜嘢，使用者可以做到乜動作，項目可以進入邊個狀態。
第三，驗收標準係乜。數量、範圍、邊界、例子、測試方式都可以係標準。標準唔一定複雜，但一定要可以判斷。
第四，約束係乜。時間、預算、平台、素材、能力、唔好做啲乜，都要講。約束唔係限制AI發揮，而係防止佢幫你幻想資源。
第五，下一輪點改。一個好goal唔係只理第一稿，佢應該可以話俾你知結果唔合格時向邊度改。
呢五個零件放咗入去之後，AI反而更加自由。因為佢唔使估你嘅真實意圖，可以將力氣用喺生成、比較、整理同執行上面。
新手最應該避免嘅三種寫法
第一，唔好寫「好啲」、「專業啲」、「高級啲」。你自己都冇定義乜嘢叫好，AI只會用平均審美𢭃一層。
可以改成：保留原來觀點，將開頭改得更似一個啱開始用AI做內容嘅人喺現場卡住，前150字入面出現一個具體許願句。
第二，唔好寫「俾我一個完整方案」。完整方案好容易變成大而全，讀完好滿足，做起身冇切入點。
可以改成：先俾我一個7日內可以驗證嘅最小方案，只包含每日一個動作、一個產出、一個失敗判斷。
第三，唔好寫「你自由發揮」。自由發揮適合你已經有審美、有驗收、有邊界嘅時候。啱開始用AI，唔好咁瀟灑。
可以改成：喺唔改變主線嘅前提下，俾我3種表達路徑，每種說明適合邊啲讀者，最後推薦一個。
你會發現，呢啲改法都冇令AI少做嘢。佢哋只係將AI從估心意，拉返去交付結果。
真正嘅分工係人寫goal，AI跑過程
我唔係好相信嗰種將任務全部掉俾AI，然後等佢自動俾你一個完美結果嘅用法。聽起嚟好慳事，實際上好易返手做過。尤其係內容、項目、副業呢啲嘢，入面有太多人嘅判斷。
你要唔要討好流量。你願唔願意露面。你可唔可以持續30日。你到底想要粉絲、收入、作品集，定係淨係想試試水。
呢啲唔係AI幫你決定嘅事。
更加舒服嘅方式係，人先將goal寫成可驗收結果，AI再幫你拆步驟、揾材料、生成初稿、做檢查。結果出咗之後，人再驗收。驗收唔過，返去goal入面睇係邊一項冇滿足。
呢個時候loop先有意義。佢唔係叫AI一直轉，而係叫AI每次都圍住同一個可驗收結果修改。state都先有意義。佢唔係堆上下文，而係記住呢一輪點解改、改到邊、邊啲邊界唔可以掂。
AI進入普通人工作嘅分工，其實好樸素。
人唔好偷懶到剩係許願。AI唔好越位到幫人決定乜嘢先叫成功。
五行模板
最後俾你一個可以直接複製嘅五行模板。下次打開AI，唔好寫「幫我做一個乜嘢」，先填呢五行。
我要完成的可驗收結果是：
這個結果服務的對象是：
交付物必須包含：
不做或不能越過的邊界是：
我會用這幾個標準驗收：如果你只可以填到第一行，即係你而家仲喺度許願。
冇關係。可以發現呢一點，已經比直接叫AI開工強好多喇。今晚先改一句就得。唔好急住搭系統，唔好急住叫agent，亦都唔好急住整理100個prompt。
先將一句願望，改成一個你真係收得到貨嘅goal。
今晚臨瞓前，將呢段prompt複製俾AI：
"讀取 ~/.ai_state/daily_review.json（如果不存在就幫我建一個），按裏面的字段格式覆盤今天。找出今天我重複做的事，告訴我。"然後睇AI嘅回答。如果佢揾到≥2個重複嘅事——恭喜，你嘅外層loop跑起咗。
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
Claude Code & Openclaw & Codex 三個頂流全中文從零開始嘅教程：唔識代碼一樣造網站，老金15萬字Claude Code+OpenClaw教程免費開源
我個小破站（包含我開源嘅項目）：https://www.aiking.dev/
每次我都想提一提，呢個唔係凡爾賽，而係希望有諗法嘅人勇敢衝。
我唔識代碼，我英文都唔好，但我做出咗好多嘢。
我真係希望可以影響更加多人嚟嘗試新技巧，迎接新嘅時代。
多謝你睇我嘅文章。
如果覺得唔錯，隨手㩒個讚、在看、轉發三連啦🙂
如果想第一時間收到推送，都可以俾我個星標⭐～多謝你睇我嘅文章。
加我進AI討論學習羣，公眾號右下角“聯繫方式”
文末有老金的 開源知識庫地址·全免費
我現在看很多人用AI，第一句話大概都這樣。幫我寫一篇爆款文章。幫我規劃一個能賺錢的副業。幫我做一個AI助手。幫我優化一下這個項目。。。。。
這些話聽起來很正常，因為人和人之間經常這麼說。
你跟同事說一句幫我優化一下，他大概能猜到你在煩什麼。可AI不一樣。它會很快給你一份看起來完整的東西，標題有了，結構有了，步驟也有了，但你讀完還是不知道它到底算沒算完成。
這就是很多人剛開始用AI時最容易踩的坑。你以為自己寫了goal，其實只是寫了一句願望。
願望可以很大，很順，很有情緒。goal要能驗收。結果出來以後，你得能說清楚過了、沒過、哪裏沒過、下一輪該改哪。
許願的時候，人只要說我想要什麼。
但在寫goal的時候，人要先承認自己到底要拿什麼來驗收。
這個動作一旦省掉，後面再講prompt技巧、loop、state、agent，都會變成在一團霧裏打轉。
先看如果你會了能做成什麼樣？這裏2d是2天。
願望最會偽裝成目標
先看一個最常見的場景，看看是不是你，至少老金我在一開始是這樣的。
你打開AI，腦子裏有一個方向，想做內容，也想漲粉。你不想先寫一堆規則，畢竟AI不就是應該理解我嗎？於是你敲下一句，幫我寫一篇能漲粉的文章。
AI很快給你一篇。標題挺猛，開頭挺順，中間還分了三點。你讀完覺得哪裏不對，但又說不上來。讓它改，它就把語氣改熱一點。再改，它就多加幾個案例。折騰三輪以後，你開始懷疑AI不行。
但問題可能不在AI，問題在第一句。
幫我寫一篇能漲粉的文章，這句話沒有驗收口。漲粉多少算漲？讀者是誰？這篇文章解決什麼問題？你想讓讀者收藏、轉發、私信，還是點進課程頁？你不說，AI只能按它見過的平均文章樣子補。
平均文章最大的問題，就是誰看都像，誰看都不動。
先把一句許願改成可驗收goal
第一個例子，寫文章。
許願句：
幫我寫一篇爆款文章。可驗收goal：
寫一篇給剛開始用AI做內容的人看的公眾號稿。讀者讀完要能把自己的選題從一句願望改成一個可驗收目標。
正文至少包含3個改寫案例，結尾給5行模板。
驗收標準是讀者可以直接複製模板，改出自己的下一條AI指令。第二段沒有許諾爆款，反而更有機會被轉發。因為它說清楚了讀者、問題、動作和交付物。AI寫完以後，你也能驗收。沒有3個案例，不過。結尾沒有模板，不過。模板不能複製就用，不過。
這裏先記住一句話，goal是驗收標準，不是施工圖。
它不是把每一步都寫死，而是把成功的樣子寫清楚，路徑留給後面的過程去跑。
第二個例子，規劃副業。
許願句：
幫我規劃一個適合普通人的AI副業。可驗收goal：
基於我每週可投入8小時、預算1000元以內、已有公眾號和小紅書賬號的條件，給我設計一個30天副業驗證計劃。
目標不是馬上賺錢，而是在30天內驗證一個可收費服務是否有人願意諮詢。
交付物包括目標用戶、一個具體服務包、10條獲客內容選題、第一週行動清單和放棄標準。這段話裏最關鍵的不是AI副業四個字，而是30天、8小時、1000元以內、已有賬號、諮詢意願和放棄標準。很多副業規劃最後變成雞血文，就是因為沒有放棄標準。AI會給你十條路，每條都看起來能做。你越看越興奮，第二天就不知道先做哪個。
可驗收goal會逼你承認資源有限。你一週只有8小時，就別讓AI給你設計一個像小公司一樣的運營盤子。你預算只有1000元，就別讓AI推薦一堆投流打法。你要驗證諮詢意願，就別先做一套完整課程。
這不是把目標寫小，是把目標寫到你真的能動。
第三個例子，做AI助手。
許願句：
幫我做一個AI助手，能幫我提升效率。可驗收goal：
做一個面向公眾號寫作的AI助手。
它每次接到選題後，先幫我輸出3個標題方向、1個讀者痛點、1個反對意見和1個可驗證的正文承諾。
暫時不要求自動寫完整文章。驗收標準是我連續用5個選題測試，每次都能在10分鐘內得到可用於開稿的判斷材料。這就是我更願意相信的AI協作方式。
人負責判斷這個助手該服務什麼結果，AI負責把中間動作跑快。
你不需要一上來就做一個什麼都能幹的超級助手，先讓它穩定解決一個最煩的小步驟，比如開稿前不知道從哪下手。
能連續5個選題跑通，才說明這個助手有一點價值。跑不通，也知道哪裏壞了。是標題方向太空，還是讀者痛點太泛，還是反對意見不夠尖。
這就比提升效率四個字清楚多了。
Goal的位置也重要，但別寫成玄學
Goal寫在哪裏，確實會影響長任務裏的穩定性。
更準確的說法是，長上下文裏，模型不一定能穩定利用所有位置的信息。論文Lost in the Middle觀察到，相關信息在輸入開頭或結尾時，模型表現往往更好，放在中間時更容易掉性能。Anthropic的長上下文提示實驗也在討論怎麼提高模型從長文檔裏找回關鍵信息的概率。
所以這件事對普通人有什麼用？
不要把goal埋在幾千字聊天記錄中間。每次讓AI繼續做長任務時，先把當前goal、驗收標準和當前狀態重新擺到它眼前。你可以把它放在本輪消息開頭，也可以放在一段固定摘要裏。
自然語言式寫法通常長這樣：
你是一個公眾號寫手。請幫我寫一篇關於loop和goal搭配使用的文章，目標讀者是AI工程師。
文章要通俗易懂，要有案例，要有反常識點，結尾要給一個可執行的動作。
字數2500字左右。更穩的寫法是把驗收項拆出來：
{
"role":"公眾號主筆",
"goal":"寫一篇讓讀者能跟做的loop和goal搭配指南",
"audience":"剛開始把AI用於內容和項目的人",
"acceptance":["讀者能分清願望和goal","至少3個可照抄案例","結尾有5行模板"],
"loop":"每一輪檢查是否服務同一個goal",
"state":"記錄當前進度、已刪論據和下一步"
}這個改法不是為了顯得工程化，而是為了少猜。goal一旦成了獨立字段，AI和人都更容易看見它。下一輪改稿時，你也不用重新解釋半天，只要看這幾個字段有沒有變。
沒有goal，loop只是在換着方式猜
講到這裏，才輪到loop。
loop就是反覆執行、檢查、修正的一套動作。寫文章時，它可以是先出標題，再寫開頭，再檢查案例，再補模板。做副業時，它可以是先找用戶，再寫服務包，再發內容，再看有沒有人來問。做AI助手時，它可以是先跑5個選題，再記錄失敗，再改提示詞。
但loop有一個前提，得有一個可驗收的終點。沒有goal的loop，只是讓AI更勤快地跑偏。你讓它改，它就改語氣。你讓它再具體點，它就加例子。你讓它高級點，它就換一層更漂亮的詞。
這就是我以前經常看到的反例。一個任務跑到第六輪，AI開始偏離最初方向。很多人會說AI忘了初心。
其實不一定是忘了，有時是你從來沒有給它一個穩定可讀的初心。
你把目標埋在最早那條消息裏，後面一路追加資料、意見、吐槽、臨時想法。到最後，AI只能從一堆碎片裏猜現在什麼最重要。它不是不努力，它是在努力猜錯。
所以loop和goal的關係可以粗暴理解成一句話，goal管終點，loop管每輪怎麼靠近終點。goal太糊，loop會跑飛。goal寫死到每一步都規定好，loop又沒有發揮空間。
更好的寫法是，goal精確到成功的模樣，路徑留給loop。
反例：
寫一篇2500字的文章，分5節，每節500字。這個goal看起來很具體，但它把施工圖寫死了。AI可能會認真湊出5節，每節都差不多長，最後像PPT。
另一個反例：
寫一篇好文章。這個goal太糊，AI只能去找平均意義上的好。於是它給你一個標題黨開頭、三段式結構和萬能結尾。
更好的寫法：
寫一篇讓剛開始用AI做內容的人，看完想立刻把自己的一句許願prompt改成可驗收goal的文章。
正文要有寫文章、副業、AI助手3個改寫案例。
讀者5分鐘內能照着模板改出自己的下一條指令。這段話沒有規定每一節怎麼寫，但成功標準很清楚。AI可以自己組織路徑，你也可以驗收結果。
State不是上下文，是下一輪能接着跑的會議紀要
很多人把上下文和state混在一起，以為聊天記錄越長，AI就越懂自己。這個誤會挺要命。
上下文像會議錄音，什麼都在裏面。state更像會議紀要，只記三類事，做到哪了，哪些坑別再犯，下一步改什麼。
LangGraph的README把自己描述成用於構建長期運行、有狀態agent的底層編排框架，其中提到durable execution、human-in-the-loop、memory這些能力。你不用一上來學框架，但這個方向值得記住。生產級的長任務不能只靠一串聊天記錄硬撐，它需要知道失敗後從哪裏繼續，人在哪裏接手，哪些狀態要跨輪保存。
放回普通人的場景，state可以很簡單。
這裏看不懂沒關係，老金文末帶你手把手做。
寫文章時，state不是全文聊天記錄，而是這幾行：
{
"current_goal":"讓讀者把許願句改成可驗收goal",
"accepted_cases":["寫文章","副業規劃","AI助手"],
"removed_claims":["第30個詞權重不到50%","80%場景用workflow"],
"next_action":"把舊稿的自舉prompt庫改成小白能做的版本"
}副業驗證時，state也不用複雜：
{
"current_goal":"30天內驗證是否有人願意諮詢",
"week":1,
"done":["寫出服務包","發出3條內容"],
"signals":["1個人私信問價格"],
"next_action":"繼續發7條內容，不急着做課程"
}你看，這裏面沒有神秘東西。state就是把下一輪最該知道的東西留下來。它不是給AI顯擺你聊了多少輪，而是讓下一輪不用從頭猜。
Workflow和agent別搞反
很多人一聽AI助手，就想上agent。好像只要叫agent，任務就會自動變聰明。
Anthropic在Building Effective Agents裏把workflow和agent分得很清楚。workflow是LLM和工具按預設路徑被編排。agent是LLM能動態決定流程和工具使用。它還提醒開發者先找最簡單可行的方案，只有需要時再增加複雜度，因為agent系統通常會用更多延遲和成本換任務表現。
這段話用大白話講很簡單，大概就是下面這樣。
如果你的任務是每週生成同一類覆盤、按固定模板整理客戶反饋、每天把素材改成小紅書標題，那更像workflow。軌道清楚，goal清楚，state字段也能固定。
如果你的任務是調研一個陌生行業、拆一個沒有固定路徑的項目、讓AI自己決定先查資料還是先寫代碼，那才更像agent。路徑不確定，模型要動態判斷下一步。
多數人搞反了。對賬任務做成agent，結果到處亂跑。探索任務寫成死流程，結果遇到新情況就卡住。
判斷方法也不用複雜。先問一句，這個任務的路線能不能提前寫下來？能寫下來，先用workflow。寫不下來，而且每一步都需要根據新發現改路線，再考慮agent。
這個選擇背後還是同一件事。你先要有goal。沒有goal，workflow只是機械重複，agent只是自由亂跑。
這和現在外面鋪天蓋地的"Agent 平台""Agent 工廠"敍事完全相反。
老金我再翻譯成大白話：
Workflow = 軌道列車。 Goal 寫死，Loop 寫死，State 固定字段。適合"每週給老闆發報表""按模板生成合同"這類任務。
Agent = 自動駕駛。 Goal 模糊，Loop 動態生成，State 可演化。適合"調研陌生行業""開放式探索"。
下次接到任務，先問一句：這是軌道車還是無人車？想清楚再選。
Devin最值得學的不是估值，是外層loop
2026年5月，TNW報道Cognition以260億美元估值融資超過10億美元，並寫到CEO Scott Wu稱Cognition內部超過90%的代碼由Devin完成。
對普通人更有啓發的是它的外層loop。
Devin寫代碼，團隊再用這些結果改進Devin。改完的Devin繼續寫更多代碼，再暴露更多問題，再反過來改自己。這個結構比單次寫代碼更重要。
普通人當然不需要復刻Cognition。你也不可能今晚搭一個Devin。但你可以有一個很小的人肉版外層loop。
每天睡前問自己一句，今天我讓AI乾的活，哪些能讓明天少幹一點？
如果今天你讓AI寫了3次類似的標題，那就把最有用的那次變成模板。如果今天它連續兩次把讀者寫錯了，就把讀者字段加進你的固定goal。如果今天它總忘記你不要營銷號口吻，就把這個邊界寫進state。
這就是個人版自舉。不是AI突然變聰明，而是你把失敗反饋喂回了下一輪。
如果對你有幫助，記得關注一波~
手把手操作：30 分鐘搭一個"自舉 prompt 庫"
理論夠了。下面給你一個能今晚就跑通的小循環。
場景：你每天讓 AI 幫你幹很多雜活，但 prompt 都是臨時拍的。用下面這套，你一週就能攢出一個"自舉"的小型 prompt 庫。
準備：你電腦上已經裝了 Claude Code（其他Codex之類的都行）。
第 1 步：建一個 state 文件
在你常用的項目目錄下新建 ~/.ai_state/daily_review.json：
{
"date":"2026-06-17",
"today_done":[],
"repeated_patterns":[],
"new_prompts":[],
"errors":[],
"next_action":""
}第 2 步：創建一個Hook，用於自動提取用戶今日輸入
Hook一直是被人忽略的老金用的最多的沒有之一的工具，我認為作為硬性的自動化工具，它簡直無敵。
我也不懂代碼，AI生成如下，這是我基於Claude Code做的，其他的平台的自行研究修改，輸入給它讓AI自己修改就行了。
記得一些基礎認知，採集不消耗token是邊界。
// collect-today.mjs
// 作用：掃今天的 Claude Code 日誌，把你今天輸入過的話提取出來，寫進 daily_review.json
import fs from"fs";
import path from"path";
import os from"os";
constSTATE = path.join(os.homedir(), ".ai_state", "daily_review.json");
constROOT = path.join(os.homedir(), ".claude", "projects");
const today = newDate(); today.setHours(0, 0, 0, 0);
const inputs = [];
(functionwalk(dir) {
for (const e of fs.readdirSync(dir, { withFileTypes: true })) {
const p = path.join(dir, e.name);
if (e.isDirectory()) { walk(p); continue; }
if (!e.name.endsWith(".jsonl")) continue;
if (fs.statSync(p).mtime < today) continue; // 只看今天改過的日誌
for (const line of fs.readFileSync(p, "utf8").split("\n").filter(Boolean)) {
try {
const o = JSON.parse(line);
// 只收你真正打的字：type=user 且 content 是字符串（自動排除工具回傳的數組）
if (o.type === "user" && o.message && typeof o.message.content === "string") {
const t = o.message.content.replace(/\s+/g, " ").trim();
if (t) inputs.push(t);
}
} catch {}
}
}
})(ROOT);
let state = {};
if (fs.existsSync(STATE)) try { state = JSON.parse(fs.readFileSync(STATE, "utf8")); } catch {}
state.date = newDate().toISOString().slice(0, 10);
state.today_done = inputs;
fs.mkdirSync(path.dirname(STATE), { recursive: true });
fs.writeFileSync(STATE, JSON.stringify(state, null, 2));
console.log(`採集完成：${inputs.length} 條 → ${STATE}`);第 3 步：複製下面這段 prompt 給 AI
這裏老金同上僅用Claude Code舉例說明，直接複製給對話框。
第 4 步：每天晚上用一次
打開 Claude Code，跑：
cc "讀取 ~/.ai_state/daily_review.json，按裏面的 prompt 覆盤今天的事"你大概能獲取你今天做的重複的內容，比如我在測試本項目的這樣的記錄。
跑完你會看到，today_done 字段被填滿，repeated_patterns 列出今天重複的事，~/.ai_state/prompts/ 下多了幾個新文件。
然後你就能看到一個好的Prompt，基於你今日的對話，優化出來的最優版本，比如這仨是我今天跑出來的。
第 5 步：週末合併 prompt
週末花 20 分鐘：
把這周新生成的 prompt 文件過一遍
合併相似的（重複的合併成一個）
刪掉用不到的
把高頻 prompt 收錄到 ~/.ai_state/INDEX.md第 6 步：第二週看效果
堅持 7 天后，回到 state 文件看一眼：
1、repeated_patterns 是不是越來越短了？說明 AI 幫你減少了重複。
2、prompts/ 目錄下是不是攢了 10+ 個可用模板？說明 prompt 庫在自舉。
3、某天的 errors 是不是開始重複同一條？說明那個 prompt 寫得不對，要改。
這就是 loop × goal 合理搭配的真實樣子：goal 是"攢一個自舉的 prompt 庫"，loop 是"每天晚上覆盤 + 週末合併"，state 是 daily_review.json 這個文件。
三層到位，AI 真的能越用越好用。
五個零件，夠你先用
一個能用的goal，通常有五個零件。
第一，使用者是誰。寫給剛開始用AI做內容的人，和寫給已經有團隊的運營負責人，完全不是一篇文章。
第二，結果長什麼樣。不要只寫變好、提升、優化，要寫交付什麼東西，使用者能做出什麼動作，項目能進入哪個狀態。
第三，驗收標準是什麼。數量、範圍、邊界、示例、測試方式都可以是標準。標準不一定複雜，但一定要能判斷。
第四，約束是什麼。時間、預算、平台、素材、能力、不要做什麼，都要說。約束不是限制AI發揮，是防止它替你幻想資源。
第五，下一輪怎麼改。一個好goal不是隻管第一稿，它應該能告訴你結果不合格時往哪修。
這五個零件放進去以後，AI反而更自由。因為它不用猜你的真實意圖，可以把力氣用在生成、比較、整理和執行上。
小白最該避免的三個寫法
第一，別寫好一點、專業一點、高級一點。你自己都沒定義什麼叫好，AI只會拿平均審美糊一層。
可以改成：保留原觀點，把開頭改得更像一個剛開始用AI做內容的人正在現場卡住，前150字內出現一個具體許願句。
第二，別寫給我一個完整方案。完整方案很容易變成大而全，讀完很滿足，做起來沒入口。
可以改成：先給我一個7天內能驗證的最小方案，只包含每天一個動作、一個產出、一個失敗判斷。
第三，別寫你自由發揮。自由發揮適合你已經有審美、有驗收、有邊界的時候。剛開始用AI，先別這麼瀟灑。
可以改成：在不改變主線的前提下，給我3種表達路徑，每種說明適合什麼讀者，最後推薦一個。
你會發現，這些改法都沒有讓AI少做事。它們只是把AI從猜心思，拉回到交付結果。
真正的分工是人寫goal，AI跑過程
我不太相信那種把任務全部扔給AI，然後等它自動給你一個完美結果的用法。聽起來省事，實際很容易返工。尤其是內容、項目、副業這種東西，裏面有太多人的判斷。
你要不要討好流量。你願不願意露臉。你能不能持續30天。你到底想要粉絲、收入、作品集，還是隻是想試試水。
這些不是AI替你決定的事。
更舒服的方式是，人先把goal寫成可驗收結果，AI再幫你拆步驟、找材料、生成初稿、做檢查。結果出來以後，人再驗收。驗收不過，回到goal裏看是哪一項沒滿足。
這時候loop才有意義。它不是讓AI一直轉，而是讓AI每次都圍着同一個可驗收結果修。state也才有意義。它不是堆上下文，而是記住這一輪為什麼改、改到了哪、哪些邊界不能碰。
AI進入普通人工作的分工，其實很樸素。
人別偷懶到只許願。AI別越界到替人決定什麼才算成功。
五行模板
最後給你一個可以直接複製的五行模板。下次打開AI，先別寫幫我做一個什麼，先填這五行。
我要完成的可驗收結果是：
這個結果服務的對象是：
交付物必須包含：
不做或不能越過的邊界是：
我會用這幾個標準驗收：如果你只能填出第一行，說明你現在還在許願。
沒關係。能發現這一點，已經比直接讓AI開幹強很多了。今晚先改一句就行。別急着搭系統，別急着喊agent，也別急着整理100個prompt。
先把一句願望，改成一個你真的能收貨的goal。
今晚睡前，把這段 prompt 複製給 AI：
"讀取 ~/.ai_state/daily_review.json（如果不存在就幫我建一個），按裏面的字段格式覆盤今天。找出今天我重複做的事，告訴我。"然後看 AI 的回答。如果它找到了 ≥ 2 個重複的事——恭喜，你的外層 loop 跑起來了。
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
Claude Code & Openclaw &Codex 仨頂流全中文從零開始的教程：不懂代碼照樣造網站，老金15萬字Claude Code+OpenClaw教程免費開源
我的小破站（含我開源的項目）：https://www.aiking.dev/
每次我都想提醒一下，這不是凡爾賽，是希望有想法的人勇敢衝。
我不會代碼，我英語也不好，但是我做出來了很多東西。
我真心希望能影響更多的人來嘗試新的技巧，迎接新的時代。
謝謝你讀我的文章。
如果覺得不錯，隨手點個贊、在看、轉發三連吧🙂
如果想第一時間收到推送，也可以給我個星標⭐～謝謝你看我的文章。