dotey 分享智能体任务委派工作流：目标加验收标准，结果不及预期时四步归因
宝玉分享的个人用法，把用 AI 当成带实习生：定目标和验收标准，结果差就查是上下文、工具还是模型的问题。适合想让 AI 独立干活的人，比抄提示词模板更能帮你定位问题出在哪。
宝玉（dotey）在 X 上分享了一套自己日常使用 AI 完成任务的工作流。核心做法是给 AI 一个明确目标和验收标准，附上必要的上下文与工具支持，然后放手让它执行，完成后对照差距验收。遇到结果不及预期时，他从四个方向归因：上下文是否不足、工具是否合适、验收标准是否清晰、模型能力是否不够。
归因之后能调整就调整，比如补充上下文或换工具；如果瓶颈确实在模型能力上，就人工补齐缺口。他还提到每次模型升级后的两个固定动作：重试以前做不到的任务，以及简化以前需要繁琐交代的指令。
这套方法的可借鉴之处在于把 AI 使用当成一个持续迭代的流程：任务的失败被拆解为可控的变量来排查，而不是笼统归咎于模型。随着模型能力升级，原来需要人工补齐的部分可以逐步交还给 AI。
我通常用法是这样的： 给 AI 一个目标，以及验收的标准，可能会提供一点上下文和工具上的支持，然后就让它去做，做完了后看差距。 有时候给我意外惊喜，那很好。 有时候不及预期，这时候就要分析原因在哪里，是上下文不足？还是没有提供合适的工具？还是验收标准不清楚？还是模型能力不足？ 如果能调整优化就调整，受限于模型能力优化不了就人工补上。 下一次模型升级了再试试以前做不到的事，以及把以前需要繁琐交代的事情简化一下试试。📊 7 ⚡
本条情报归属 AITOP「技巧」核心栏目，重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：提示词工程、智能体、工作流，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「宝玉」（@dotey），经 AITOP 多维评分管线结构化提炼。
