从任务到工作流：用 Codex 完成一次可验证的协作

一个常见误区是：把 AI 协作理解成“我描述需求，它给我结果”。这当然也是协作，但它更像一场没有验收标准的外包。

01. 为什么 Prompt 还不够

Prompt 解决的是“怎么说”，工作流解决的是“怎么把事情做完”。当任务开始涉及多个文件、真实数据、外部工具或主观判断时，只优化一句指令，收益会快速见顶。

一个可协作的任务至少要包含四个部分：目标、上下文、约束和验证方式。它们分别回答为什么做、在什么环境做、哪些边界不能越过，以及最后如何知道做对了。

02. 四段式协作工作流

第一段：先让任务变得可执行

先别急着让模型动手。要求它复述目标、列出未知信息，并指出会影响结果的关键选择。你不需要穷尽一切，只需要确保双方理解的是同一件事。

目标：重做个人网站首页，突出教程与持续更新。
必须保留：现有静态部署方式、中文内容、移动端可用。
不要包含：尚未准备公开的内容方向。
完成标准：页面可访问、交互可用、核心文案可读。

第二段：先找证据，再给方案

如果任务基于现有项目，就先让模型检查仓库、运行状态和已有约定。方案必须从证据长出来，而不是从模板里掉下来。

好的协作不是 AI 猜中了你的意思，而是它把自己的理解放在桌面上，允许你纠正。

第三段：把执行拆成可回退的小步

页面结构、视觉系统和交互逻辑可以分开实现，每一步都有独立的检查点。这样即使某个方向不对，也只需要退回一小步，而不是推倒整次工作。

第四段：让验证成为交付的一部分

“代码写完了”不是验证。最低限度也要检查页面是否能打开、链接是否有效、移动端是否溢出、键盘能否操作，以及内容是否真的符合一开始的边界。

03. 人应该保留什么

AI 很擅长穷举、执行和保持耐心，但“这个东西有没有味道”“这个取舍是不是我真正想要的”，依然是人的责任。你可以把大量过程交给它，却不该把最终判断也一并外包。

所以，最稳定的分工不是“AI 执行、人验收”这么简单，而是：人定义方向和质量感，AI 放大执行密度，双方通过证据反复校准。