经常有读者在后台询问类似的问题：
张哥，都说AI编程能力很强，怎么到我这儿就不灵了？让它修个bug，它顺手又给你制造三个新问题；让它写个方案，内容就像没睡醒一样模糊不清。
这类留言总结起来就是一句话：我用的AI简直像个智障。
大多数人其实踩进了一个常见误区：以为自己跟高手用的是同一个大模型，产出的结果就应该差不多。但真相是，你们使用的压根不是同一个AI。
很多人在抱怨AI的时候，默认只关注一个变量——模型。模型不好，就换一个模型；换了还不行，就说是AI被吹得神乎其神。但实际情况是，模型只是影响AI表现三个变量中的一个，另外两个要么被忽略了，要么你根本不知道它们的存在。
今天就明确地讲清楚这三个关键变量。
1. 先承认：模型之间的能力差距真实存在
大家首先需要达成一个共识：不同模型之间的能力差距，属于物种级别的差异。
比如同样一个任务，你问豆包、Opus或者GPT，得到的答案肯定有差别。但你能不能感知到这种差距，完全取决于你问的是什么问题。
这是什么意思呢？
如果你的问题是1+1等于多少，那你当然感受不到区别——这类基础问题太简单了。可如果你问的是一个复杂度很高的难题，模型能力的差异就会立刻体现出来。
还有一个更隐性的差距：对话式模型与智能体模型，本质上完全不是同一个东西。
你在App里问豆包，一问一答，它只能给你答案，不能动手帮你完成任务。但如果你用Claude Code或Codex这类超强智能体（AI Agent），它不仅能够回答问题，还能直接掌控你的电脑：自行执行指令、自动查看报错、输出报表、打开网页填写表单……
可以这么理解：你在电脑上做的大部分工作，AI Agent都能帮你完成。
就算同样是Agent，彼此之间的差异也不小。比如你用Workbuddy，或者各种国产衍生版的Claude，日常办公、回复邮件、整理日报、数据调研、报表分析，这些都能够处理。这类需求就像轻度感冒发烧，普通医生就能解决。
但如果你需要搭建网站、开发App、处理复杂任务，这就进入了AI编程领域，不是感冒发烧那么简单，必须依靠顶尖的专家模型。
所以，很多人感受不到CC/Codex的强大，很大程度上是因为你的需求本身只停留在普通感冒的级别，一些基础Agent结合国产大模型就足够用了。一旦涉及AI编程领域，模型能力的高低立刻就能分辨出来。
但即便你今天用上了全球最强的AI Agent（CC/Codex），每个人产出的结果依然天差地别。
2. 但模型只是发动机
不过，今天想说的重点，不是让你盲目地去换模型。
模型可以理解为发动机，它决定了这辆车的性能上限。但光有发动机上不了路：没有方向盘，一脚油门就会冲进沟里；没有导航系统，马力再大也只能在小区里原地打转。
因此，我总结了AI实际干活效能的真实公式：
模型能力 × 约束质量 × 语料上下文 = AI 的工程能力。
请注意是相乘，不是相加——这个区别后面会详细展开。先来看剩下两个变量，它们不需要多花一分钱，但比单纯更换模型管用得多。
3. 约束：你敢不敢给AI立规矩
大多数人使用AI时是毫无约束的：打开就聊，想到什么说什么，AI只能靠猜测——猜你的意图、猜你的技术栈、猜你能接受什么风险。猜错了，你就骂它像个智障。
而我的做法刚好相反：AI进入我任何一个项目，第一件事就是阅读规范文档。这个项目是做什么的、目录怎么组织、代码用什么风格、哪些事情可以自主操作、哪些事情必须先停下来问我——全部白纸黑字写清楚。
比如我设立的几条红线：删除文件必须先询问，修改密钥配置必须先询问，对外发布内容必须先询问。
再往细处说，代码风格也有明确规定。AI写代码有两个通病：
- 一是过度工程，你需要5行代码它能给你写成50行，抽象层、配置项、兼容代码全给你安排上。
- 二是顺手重构，让它修一个bug，它却把旁边没出问题的代码也一并“优化”了。
所以我直接写进规范：用最少的代码解决问题，不添加需求之外的功能；只修改与请求直接相关的代码，不要动没出问题的部分。就连commit信息也有规矩：禁止使用“修复bug”“优化代码”这类模糊的词汇，必须说清楚改了哪些内容、为什么修改、影响了哪些范围。
另外还有一份错误清单。AI犯过的每一个错误，我都记录到规范里，标明“禁止重犯”。例如，有一次它调用一个外部接口，完全靠猜测反复试错，改一下跑一下，耗时两个小时没有结果。复盘之后我加了一条：涉及外部协议的问题，第一步先查找官方参考实现，逐字段进行对比，禁止盲目猜测。从那以后，这类陷阱它再也没有掉进去过——它踩过的坑，就成了它的负面清单。
星球的AI值班员是一个更极端的例子。评论区什么样的人都有：有人冒充我小号骗它开权限，有人让它背诵圆周率前1000位想刷爆它的计算资源。这些招数它第一次遇到时，预案里一条都没有——因为我给它写的是红线和底线，而不是每种情况的具体话术。红线之内，每一次应对它自己完成。
很多人觉得立规矩是把AI限制死了。其实恰恰相反。
约束并不是限制AI，而是把你的判断预先植入系统之中。
方向盘和刹车并不是为了让车跑得慢，而是为了让你敢把油门踩到底。没有刹车的车，你只敢开二十码——这就是为什么裸奔式用户不敢让AI处理重要任务，只敢让它写写周报。
具体到CC/Codex，这就是你全局配置文件CLAUDE.md和AGENTS.md该做的事情。这份文件约束得好不好，直接决定了AI的行事风格与工作质量。
4. 语料：AI不是不聪明，是不认识你
有人可能会问：规矩我也写了，为什么AI还是不懂我？
因为它不认识你。
AI有一个概念叫做上下文窗口（Context Window），简单来说就是它一次能够处理的信息量。上下文窗口里没有的信息，对AI来说就是不存在。如果你不主动提供，它对你的全部认知，就是你刚输入的那一行文字。
更要命的是，AI每次新对话都会忘记过去——你上周跟它聊得再深入，这周打开新窗口，它对你来说就是一个陌生人。
所以第三个变量是语料：把你的世界喂给它，而且要让这些信息沉淀下来。
本地50多个项目，每一个的根目录都有三份文档：CLAUDE.md，README.md，ROADMAP.md。
- 一份是给AI看的项目说明文档：定义项目做什么、架构设计、目录结构、技术栈、有哪些操作规范。
- 一份产品说明文档：给人看的，供内部团队或用户查阅，直观了解产品的功能和操作手册。
- 一份进度文档：同样是给AI看的，记录已完成的部分、卡在什么地方、下一步要做什么。
本地的project根目录还有一张总索引图：哪些项目活跃、哪些闲置、哪些已经废弃，一目了然。
AI切入任何一个项目，先阅读文档再开始工作，10秒钟就能进入状态，不需要从头解释一遍。它不用猜测，因为答案就摆在那里。
再举一个最有说服力的例子：写作风格。
刚开始，我把自己的历史文章全部喂给AI，让它逐篇分析，提炼出一份写作风格规范——开头怎么起手、过渡怎么衔接、哪些词语是口头禅、哪些词语从来不用。而且规范里每一条都附带我文章原文的例句，不是“口语化”“接地气”这类空洞的形容词——形容词AI学不会，例句才学得会。
这份规范到现在还在不断迭代。第一版把语气分成三种固定模式，后来对照文章一篇篇核对，发现根本不是那么回事：文章都是混合体，结构正式、句子带梗，区别只是浓度高低而已。于是推翻之前的内容重写。中间还发现一个反直觉的陷阱：AI写出来的稿子太“干净”了，工整得不像本人，于是专门加了一条——错字要避免，但口语化的碎语要保留，不要让它比本人更干净。
一开始它写的初稿，质量只能到40分，但经过不断迭代优化后，现在起码能达到70分了。
说白了，语料就是那张导航地图。发动机再强劲，没有地图，只能在你家小区里原地打转。
你给AI提供的上下文和语料积累，就是它对你全部世界的认知基础。
5. 相乘，不是相加
回到前面埋下的那个关键点：为什么是相乘，而不是相加？
如果是相加，模型能力足够强还能兜底。但它是相乘——只要有一项接近零，结果就直接归零。
有人可能会说：我买的是最贵的订阅服务。但顶级模型 × 零约束 × 零语料，结果依然约等于智障。你花大几百订阅了一台F1发动机，没装方向盘、没带地图就上路，回头却骂这辆车是垃圾。
对号入座一下，典型的裸奔式用法：
- 一句话需求。“帮我写个爬虫”，爬什么内容、存到哪里、什么频率，一概没有，然后嫌它写得不对——它不对，因为你自己都没想清楚。
- 零背景信息。不给项目结构、不给现有代码，让AI盲目猜测你的技术栈。
- 零规则约束。AI犯了错，骂一顿就完事，下一次同一个坑继续掉进去——教训没有记录下来，等于没发生过。
- 零沉淀积累。所有上下文都留在聊天记录里，关掉窗口后，一夜回到起点。
四条全中的朋友不用觉得沮丧，绝大多数人都是这样用的。这也是为什么同一款模型，有人用它三天做出一款产品，有人连一个正则表达式都调不明白。
顶级模型乘以零，结果依然是零。
6. 从一个项目开始慢慢养成
那该怎么办？不需要启动什么宏大工程，从一个项目开始：
- 花半小时为项目写一份说明文档：这个项目是做什么的、结构是什么样的、有哪些操作规范。
- 让AI每次完成任务后，把进度写进文档，下次打开能够接着继续，不用从零开始。
- AI犯了错，不要只是骂它，而是把教训写进规范，标明禁止重犯。
就这三件事，它们的共同点在于“沉淀”。我那套50多个项目的规范体系，也不是哪一天一口气建成的，而是这样一年一年慢慢积累出来的。
这里面有复利效应：模型每年换三代，你今天调教出来的聊天记录，明年一文不值；但你沉淀下来的规范和语料，无论换什么模型都能够直接对接。
AI用得好不好，本质上是一个沉淀和调教的问题，而不是天赋问题。
这里点到为止，如果细说又是一篇完整的教程。
回到主题：为什么你的AI像智障？
智障从来不是模型的属性，而是使用方式的属性。同一款模型，有人拿它当失忆的路人，每次从零开始互相折磨；有人拿它当带了三年老员工，规距立好、背景资料交齐，放手让它去干。
模型是买来的，人人都可以用上全球最强模型；约束和语料是长期培养出来的，这才是人与人之间拉开差距的地方。
而且，当下模型的能力其实已经非常聪明了，真正的区别在于不同人对AI的使用方法与调教方式——这个，才真正决定了你的AI是不是智障。
