很多人还在研究怎么把 Prompt 写得更精确，却忽略了一个问题：流程设计得越完整，AI 能参与的决策就越少。
过去，AI 负责执行人的方案。现在，AI 已经能参与方案设计。这篇从实际写法出发，聊聊什么时候该写得精确，什么时候该把决策留给 AI。
一、两类任务，两种目标
| 明确任务 | 复杂问题 | |
|---|---|---|
| 特点 | 目标清楚，做法基本唯一 | 原因不明，可能有多种解法 |
| 追求 | 战术效率：一次做对 | 战略探索：先看到更多选项 |
| Prompt 写法 | 规则具体、边界清晰 | 给目标、约束和输出形式，不规定路径 |
| 人的角色 | 定义规则 | 判断和选择方案 |
二、明确任务：写得越具体越好
示例：
把 src/api/user.ts 中所有接口返回字段从 snake_case 改为 camelCase。
只修改字段名和对应的类型定义，不要改动请求逻辑。
改完后运行类型检查，确保没有新增报错。
这类任务你比 AI 更清楚要什么，规则越具体，返工越少。
三、复杂问题：别替 AI 做完诊断
以「页面首屏加载慢」为例，一种常见写法是：
1. 检查图片大小并压缩
2. 给列表加懒加载
3. 第三方脚本改为异步加载
4. 开启 gzip
问题在于，这个 Prompt 已经替 AI 做完了诊断。它只会逐条执行你的猜测。如果真正的瓶颈是接口串行请求，或者首屏渲染了大量用不上的组件，它大概率不会去看。
换成探索型写法：
这个页面首屏加载慢，目标是明显缩短首屏时间。
请先分析可能原因，按影响大小排序，并说明判断依据。
给出 2~3 种优化方案，分别说明改动范围和风险。
先不要修改代码。
区别在于：只给目标、约束和输出形式，把「怎么诊断」留给 AI。 它可能给出你没想到的方向；即使和你的判断一致，你也多了一份交叉验证。
四、Agent 工作流里的同一个坑
搭 Agent 工作流时，这个误区更隐蔽。常见的写法是把每一步写死：
步骤1：搜索关键词 X
步骤2：读取文件 A、B
步骤3：按模板输出
步骤4：如果出现情况 Y，走分支 Z
流程很完整，但 AI 在里面只是一个执行节点。
建议按环节区分：
- 确定、重复的环节（格式转换、固定检查、批量修改）：写死规则，追求稳定。
- 需要判断的环节（定位问题、选择方案、评估影响）：只写目标、边界和验收标准，让 AI 决定路径，人审核结果。
五、实用做法：先探索，再收敛
不确定该用哪种写法时，可以两步走：
- 探索：用开放的 Prompt 让 AI 分析问题、列出方案，先不动手。
- 收敛：你选定方向后，再用精确的 Prompt 让它执行。
判断标准只有一个：这件事，我是否已经知道最好的做法？ 知道，就写清楚；不知道，就先看看 AI 能想到什么。
小结
明确的任务，追求战术效率；复杂的问题，更需要战略探索。
别急着教 AI 怎么做，先看看它能想到什么。
