反向提示词与高保真信息共享

一旦问题成功解决，Lazar 就会要求 AI 智能体进行回顾分析：“你应该如何帮助我学习更好地向你提供提示词，以便下次我遇到问题时，我们能一次性搞定？”

他不是直接进入下一步，而是迫使 AI 解释初始指令中缺少了什么。

如果你也听了这期播客，就会知道这个想法代表了 Lazar 处理 Vibe Coding 的核心逻辑——我将这种核心逻辑称为“高保真信息共享”。Lazar 认为，成功的最大障碍不是 AI 的智力，而是你提供给它的信息的清晰度。

“我说有 90%，但老实说，这 100% 是我们的错，因为它们已经足够好了。只是我没有动态调整 token 的分配，我没有引用正确的文件，我没有用正确的方式表达。”
—— Lazar Jovanovic

这种反向提示词（Reverse Prompt）是非常出色的画龙点睛之笔。我自己也经常使用这种方法。上周，我在开发一个 Chrome 扩展时遇到了一个 bug。我让 AI 检查代码库并发送了截图，但它就是修不好。于是我手动检查了代码，结果不到一分钟就解决了——那只是一个简单的引号（“）错误。所以我让 AI 对此进行反思，以便我下次能给出更好的提示词。

这类经历不断提醒我，最困难、最不稳定的部分不是如何开发，而是如何沟通并保持**“高保真信息共享”**，无论是人与人之间，还是人与 AI 之间。

我最近做了一些实验——将所有的任务和问题写进一个文件，并让 AI 写下它自己的笔记。当编程智能体处理任务或问题时，它会勾选该项目并将其更改记录在 DEVLOG.md 中。我不知道这在目前是否能发挥更好的作用，但拥有一些文件作为“事实来源”让我感觉很踏实。

devlog-issuelog-structure

%% ISSUELOG.md %%- [x] The commonly used keyboard shortcuts are not working. such as space bar for play/pause, cmd+L for loop, cmd+R for record.

给予 AI 更多信任

“如今我非常信任大语言模型（LLM）和 AI……现在的模型已经足够好，让我可以信任它们输出的语法。”

“AI 的天花板不是模型的智力。而是模型在采取行动之前看到了什么。”
—— Lazar Jovanovic

这让我想起了 pi-mono——OpenClaw 背后的极简智能体。

“Pi 的核心理念是，如果你想让智能体做一些它还不会做的事情，你不需要去下载扩展或技能之类的东西。你只需让智能体自我扩展。它推崇编写代码和运行代码的理念。”
—— https://lucumr.pocoo.org/2026/1/31/pi

Pi 只有 4 个工具（Read、Write、Edit、Bash），并且拥有所有智能体中最简短的系统提示词。它并没有堆砌各种能力，而是信任 LLM 能够构建它所需要的东西。极简的核心，最大的信任。

Pi 的设计强调通过编写和运行代码来扩展自身的能力，而不是依赖预先构建的扩展。

正是这种相同的哲学——AI 已经足够强大——让我开始转变观念，去给予 AI 更多的信任。AI 确实已经变得非常强大。

我们只需要学习如何与它对话。在这个过程中，我们可以学到很多东西。

人性优先的工程师

产品必须迎合感性决策。Lazar 强调人类是“情感动物”，他们在做出购买和使用决定时是基于“情感基础”的。因此，打造成功的产品不仅关乎编写代码或实现逻辑功能，更关乎“理解人性”。

这一点也让我深有感触。人类有情感、有欲望、有不稳定性——而这些正是我们在某些领域不可替代的原因。AI 会取代翻译，但永远无法取代喜剧演员。它能写文案，但写不出能引起共鸣的笑话。我们需要优化的技能不是输出，而是对人性的理解。毕竟，地球上的大多数居民仍然是人类。

我最近开发了一个名为 Moji Fu 的 Chrome 扩展。这是一个可以收集并跨网页应用字体的扩展。最初的动机是，我经常发现自己会访问某些博客或网站，仅仅是因为它们的排版让阅读感觉毫不费力。我想要一种能够“捕捉”那种氛围并将其带在身边的方法，所以我构建了这个 Chrome 扩展来收集任何网站的“排版 DNA”。
“意图”、“感觉”、“氛围”——这些实际上都是人性。对于 AI 来说，“既然我可以直接把内容 curl 到终端，为什么还需要阅读网页呢？”