1. 提示前的四个问题
在向 AI 提交任务前，先明确：
- 目标是什么？ — 用一句话表述期望的输出
- 约束是什么？ — 不能做什么、必须遵守什么
- 成功标准是什么？ — 如何知道输出是好的
- 上下文是什么？ — AI 需要哪些背景知识才能做好这件事
四个问题都能回答，再开始提示。
2. 决策边界：何时用 AI，何时用人工判断
| 适合交给 AI | 必须人工判断 |
|---|---|
| 生成初稿、样板代码 | 定义目标和约束 |
| 已知模式的代码审查 | 涉及权衡的架构决策 |
| 文档、变更日志生成 | 最终的合并/发布决策 |
| 测试用例枚举 | 生产事故根因定性 |
| 有规范可循的重构 | 新技术或未知领域的方案选型 |
判断准则：凡是”定义问题本身”的工作，保留给人；凡是”在已定义边界内执行”的工作，可以交给 AI。
3. 输出评估：收到 AI 输出后的系统检查
- 正确性 — 是否解决了真实问题，而非表面描述的问题？
- 完整性 — 是否遗漏了边界情况或隐含的依赖？
- 可解释性 — 能否向他人解释输出的每一部分？
- 风险 — 如果输出有错，后果是什么？能否回滚？
无法通过以上检查的输出，不提交、不合并、不发布。
4. 常见失败模式
- 过度信任 — 接受 AI 输出而不验证，尤其在不熟悉的领域
- 模糊输入 — 未定义约束就要求 AI 做决策，AI 会自行填补空白
- 上下文丢失 — 长会话中 AI 遗失了早期的关键约束，输出悄悄偏离
- 确认偏误 — 用 AI 验证已有结论，而非真正挑战它
5. 行动前的一个问题
在执行任何 AI 任务前：我能清楚地描述成功是什么样的吗？
如果不能，先把思路结构化，再开始提示。