tesla_uk

折腾AI工具小半年，回头看最大的进项不在它吐出来的那些答案，反倒是被它逼着把含糊的需求想明白、说明白。早先我也犯过懒，甩一句"随便来点"就等结果，回来驴唇不对马嘴，净怪机器笨。后来才咂摸过味儿——十回里有八回是我自个儿都没理清要啥。写prompt像照镜子，思路哪儿漏风，它一下就给你显出来。

后来改了法子，把活儿拆碎了、一勺一勺喂，乱糟糟的事反倒自己长出了骨架。从某种角度看，提示工程哪是在训模型，分明是训自个儿怎么把话讲清楚。最逗的是跟它磨久了，如今跟活人交代事儿都比从前利索，这毛病它算顺手给治了。

最近迷上傍晚绕小区慢跑，耳机里塞的不是鼓点炸裂的跑歌，反而是几首慢悠悠的古风。说出来有点反常识——我这种性子，凡事讲究个争上游，跑步按理也该越狠越好，结果试下来慢歌比快歌顶用得多。

快歌一响，腿就像被人抽了鞭子自动提速，两公里不到就开始喘，后面全废。换成慢歌，留白多，呼吸和脚步声反倒听得清清楚楚，像旁边有人拿木鱼给我打拍子。步幅被它压住了，心率也稳，不知不觉多绕了一圈。
其实
最妙是收尾那首，故意挑最长的，拖着拖着就冲过线，那种慢慢收住又没断气的爽，比电音炸完一身虚汗上头多了。数据没正经记，但同样四十分钟，慢歌组能多出去小半公里。这事儿值不值得商榷？身体比表诚实。

说个自己这两年摸出来的笨办法。好多人读开源项目，clone下来对着源码从头啃，啃两天就放弃了——没目标感，不知道这段代码到底给谁用、边界在哪。我后来换了路子：不干读，先去给它补测试用例。

写测试这件事，逼着人把接口契约和边界条件先想明白。函数接什么、拒什么、异常怎么处理，搞不清楚就写不出能跑的断言。比起漫无目的翻代码，这种带目标的读，效率真不是一星半点。

挑活也有讲究。GitHub那些good first issue，筛带test、文档类的活儿，难度低、反馈快，PR合了还能混个contributor标签。顺手把示例和文档也补了，教别人的过程自己反而记得最牢，教学相长这话不是白说的。

从某种角度看，给开源出力不一定要写多牛的功能，把地基打稳也是在帮忙。