文/做报表的酸菜君
在一开始尝试使用workbuddy时,我经常遇到的一种情况是:把任务丢给ai,执行完毕后结果却与预期相去甚远;不断补充规则,问题却越补越多。
说一个我个人的结论:这主要是人不了解ai导致的问题。
首先要说的是,不要按照使用对话ai的习惯,来使用workbuddy:
角色 | 核心能力 | 工作方式 | 定位 |
|---|---|---|---|
对话AI | 文本分析、逻辑推理、信息搜索、方案设计 | 基于语言模型的理解与生成,擅长“想”和“说” | 顾问/设计师——输出方案、文本、代码原型 |
执行AI | 任务实施、编码、批量处理 | 按预设规则执行操作,擅长“做” | 工人/操作员——按图施工,不质疑图纸 |
对话AI像个喋喋不休,却很容易脱离实际的狗头军师,且非常擅长提供情绪价值,很容易附和人。(如果尝试和对话ai辩论,会发现它习惯性地附和提问者的观点,被反驳时又光速转换阵营。)
执行AI则是埋头苦干的纯血二哈,沉迷干活不可自拔。有时不小心编辑到一半发出去,3秒钟之后它已经在写脚本了。
差异在于,workbuddy拥有超绝的执行力,它没有“讨论“这个功能,一切文字输入都会被解读为命令,因此需要结构化的清晰指令,这种节奏与对话ai有很大不同。
但两者也存在共同特点,他们都有极大的行为惯性且缺乏自我认知,几乎不会主动不进行判断和反思,所以人在做一件事的中间发现不对会停下来,而AI不会。
所以在面对ai时,必须时刻提醒自己两件事:
1.不要相信对话ai,它很可能瞎说
2.不要放任执行ai,它很容易乱跑
希望上述观点不要被理解为保守,因为我想说的是——避免和阻止此类情况的发生,是人在使用ai时必须承担的工作。
我一般会使用两种方法解决这个问题:任务拆解、规则前置。
我个人的结论是,执行ai最适合执行规则确定的、支线较少且结果可预期的任务,就暂且叫它“封闭式任务“。
当然,并不是说workbuddy只能执行此类任务,而是不能“一键托管”。
识别“封闭式任务”的意义在于:当一个任务高度符合条件时,执行ai有很大可能独立准确完成。因此一个“封闭式任务”可以视为一个独立可外包的子单元,对复杂任务进行拆解,对相对不可控的部分进行主动验收或干预。在编写文字指令时也可以用来进行检查。
对比维度 | 封闭式任务 | 开放式任务 |
|---|---|---|
定义 | 有明确方案、可预期结果、以精准化调整为主、不确定性低 | 无现成方案、结果不确定、以设计或验证为主、存在方向性风险 |
结果是否可预期 | 能清晰描述最终产出的格式和结构 | 不清楚最终产出该长什么样,边做边看 |
过程性质 | 校准为主——针对已有标准、或确定方案做精准化调整 | 设计或验证为主——从零构建方案,或验证某条路径是否可行 |
不确定性类型 | 细节问题(参数、格式等) | 方向问题(可能走错路) |
任务不封闭的两种情况:
1.任务性质不具备封闭性特点。
2.任务本身可以SOP化,但描述不完整,需要AI自行填充很多内容(其中包含设计验证或需要模糊判断)。
比如:
①数据提取规则(需要ai阅读文档后自行寻找)——提取sheet2中2、3、4、5列数据、
②数据运算规则(需要ai根据标准算法自行补充)——不考虑未开票收入、不考虑简易计税等……
除了任务管理,也可以通过预置任务规则来进行一定规避,我自己使用的一份任务规则,每次发起任务之前会先发给ai(附件可自取),主要任务规则如下:
序号 | 动作 | 核心目的 |
|---|---|---|
①对齐 | 用自己的话复述任务目标、范围、交付物 | 防止“我以为我听懂了”→实际理解偏差 |
② 事前验证 | 预读输入内容,提前验证任务条件 | 防止中途报错或临时加装软件 |
③ 提交方案 | 写出任务计划,等我回复“同意执行” | 确保整体规划无误 |
④ 执行与交付 | 强制确认后执行 | 防止擅自行动 |
⑤熔断机制 | 出现可能的错误时及时中止 | 避免浪费算力、制造无效信息 |
p.s.关于无效或错误信息污染对话逻辑,这是我个人在长文本对话中经常遇到的情况,ai会把所有对话记录打包存储,并反复调用。包括其中错误的、失效的、无关的部分,所以如果对话中产出大量无效信息,可能会影响后续的任务产生影响。
1.严禁修改本地文件(创建删除重命名编辑),除非任务明确指定且二次确认。
2.严禁擅自下载、安装或执行任何第三方软件脚本插件。
3.临时数据(如中间文件、缓存)必须存于指定唯一目录,并在任务结束后自动清理,不得残留。
4.任何偏离原方案的变更,必须重新提交方案并等待我批准,不得自行变通。
5.实时监控执行状态,触发超时或熔断条件时自动停止并告警。
6.执行完成后,提供结果报告(成功失败、关键日志、产出物位置),并确认已清理所有临时文件。
1.拆解任务
2.对ai产物保持怀疑,并主动检查
3.让ai在本地操作,而非上传。
4.选择几个固定的大模型并长期使用
5.建立自己的文字命令模板
6.在0-1的开荒任务中,如果方案发生了重大调整,重启对话
1.和执行AI闲聊或讨论
2.使用自动适配的ai大模型
3.多个相关任务在同一个对话框完成
4.把任务丢给ai之后就完全不管
5.让ai直接读写重要文件原件
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。