想象这个场景：
晚上十一点，你盯着同一个AI对话窗口已经两个小时了。你把同一个需求换了六种方式重新表述。你试过礼貌，试过直接，试过具体，试过模糊。你从某个X上的博主那里复制粘贴了三个"魔法提示词模板"，对方信誓旦旦说他的方法能让Claude"聪明10倍"。
但什么都没用。
输出要么太泛泛，要么结构完全不对，要么就某个你二十分钟前刚刚说过的内容言之凿凿地给错了答案——就在同一个对话里。
你关掉了标签页。明天再试试吧。也许换个模型，也许换个提示词，也许你就是还没掌握这门技术。
但事实是：问题大概率不在模型，也不在提示词。
真正的问题从来不是提示词
当大多数人在不断调整措辞、寻找完美指令，或者购买又一个"AI效率课"的时候——有一小部分人悄悄发现，问题从来就不在提示词本身。
问题出在提示词之外的一切：上下文、记忆、结构和工作流程。
Andrej Karpathy就是这样的人之一。OpenAI联合创始人、前特斯拉AI负责人、斯坦福教授、真正参与构建这些系统的人——他比几乎任何人都更早开始思考这个问题。
他的结论既在意料之中，又几乎完全被忽视了：
他不用魔法提示词。他建的是基础设施。
七个习惯，几个简单的文件，一套特定的工作节奏。就这些。
Tip 1：忘掉魔法提示词。问题几乎总是缺上下文
从2022年开始，"提示词工程大师"们主导了X和Instagram。
他们的信息是：学会正确的咒语，模型就会服从。
Karpathy不同意。大多数人迭代100次仍然得到糟糕输出的真正原因是什么？他们完全忽略了上下文。
他的实际公式：
- 写一个标准清晰的请求
- 始终包含一个具体的好输出示例
- 粘贴完整的错误信息或完整背景——而不是截取的片段
不要为了"节省上下文窗口"而裁剪你的代码或文本。当模型去猜缺了什么，它一定会猜错。
没有秘密指令能把你的背景传送到模型脑子里。你必须自己写出来。
Tip 2：你的CLAUDE.md大概率是垃圾。现在就去看一下
你是从别人那里复制来的模板吗？还是让Claude自己写的？
如果是的话，这个文件根本没在为你工作。
你的主配置文件必须清楚说明五件事：
- 你是谁
- 这个项目是什么（只需大致框架）
- 什么不要碰
- 文件命名规范
- 如何格式化输出
几乎所有人都有这个文件，但几乎没几个人正确配置过。
在责怪模型"很笨"之前——先去读读你自己给它的指令。
如果你只用浏览器版AI工具？同样需要这个。设置一个固定的简介。逻辑是一样的。
Tip 3：建一个三层系统。别每次都从零开始
Karpathy的流程：
/raw——原始材料，原样存入/wiki——模型编写和维护的结构化页面CLAUDE.md——你的长期运行原则
新素材进来 → 丢进 /raw → 让模型处理。
这样每天能节省30分钟，而且效果是累加的。
如果你的项目持续超过几天，而你每次新会话都在重新解释一切——那不叫工作流程，那叫死循环。
Tip 4：每次得到好答案——保存它。永久保存
默认习惯：得到一个很棒的回复，复制结果，关掉标签页，忘了它。
Karpathy说这正在悄悄杀死你的长期生产力。模型需要参考资料。
每次得到有价值的回复后：
"Save this as a permanent page: wiki/topic/.md"
然后定期审查你的笔记，删除重复、处理冲突、更新过时信息。
不做这个，你的最佳AI输出就会静静地淹没在聊天记录里。你会在已经解决过的问题上再花几个小时。
Tip 5：任何超过一周的项目——加index.md和log.md。没有例外
两个文件，两个用途：
- index.md——所有存在内容的地图
- log.md——持续更新的变更日志：日期 | 类型 | 描述
示例：2025-05-28 | summary | 客户访谈要点整理
如果你每天vibe-code一到两小时，两周后你真的会忘记第三天自己做了什么。这两个文件就是你的记忆层。
Tip 6：AI是个聪明但没品味的实习生。把它当实习生对待
Karpathy的框架：AI智能体是"拥有海量知识、不断产生幻觉、代码品味为零的超级实习生"。它们需要严格的管理。
他的实际工作循环：
- 加载完整上下文
- 只问下一步的小步骤——要求2到3个选项
- 选一个
- 评估、测试、提交
- 重复
永远不要让它一个提示词做所有事。那样你会得到500行无法调试的混乱代码。
Tip 7：让任何研究提示词可读性提升10倍的一句话
在任何分析或研究提示词末尾加上这句：
"Structure your final response as a self-contained HTML file."
AI模型能在几秒内把任何内容渲染成清晰、可导航的HTML。阅读时间大幅下降。这句话不花你任何成本。每次都用。
奇怪的地方在这里
这些技巧没有一个是秘密。没有任何一个需要付费订阅、特殊工具或40小时的课程。它们一旦被看到，就完全显而易见。
当然模型需要完整上下文。当然你应该保存有效的东西。当然项目需要地图和日志。
然而——去看看你实际怎么用AI的。诚实一点。今天的工作流里，这七件事有多少是真正在执行的？
大多数人对AI处于一个奇怪的位置。他们相信它很强大——见过它做出令人印象深刻的事——但在自己手里却一直表现不佳。所以他们以为差距在于模型，在于提示词，在于某种还没找到的内部知识。他们花几个小时寻找技巧，而不是花二十分钟打基础。
Karpathy的全部信息是：差距不在于魔法，在于记忆、结构和增量主义。
给模型你的完整图景。保存它构建的东西。小步前进、坚定执行。模型不是瓶颈——你的工作流才是。
在未来两年里，能从AI获得巨大收益的人，不是找到了最好提示词的人，而是围绕模型建立了最好系统的人——哪怕是简单的系统。
一个/raw文件夹，一个/wiki，一个正确的CLAUDE.md，两个markdown文件，一个运行循环。
这就是全部优势。小到几乎令人尴尬。但几乎没人在做。
回到开头那个故事。那个晚上十一点、沮丧地关掉标签页的人——那不是关于坏AI的故事。那是关于一个没有记忆、没有结构、没有增量循环的工作流的故事。模型准备好了提供帮助。只是它对正在帮助的事了解得不够多。
现在你知道该建什么了。从一个文件开始。一个文件夹。一次保存的回复。系统会快速积累。
核心要点：
停止调整提示词。开始建设基础设施。一个正确的配置文件，一个/raw和/wiki结构，永久参考页面，长项目的index和log文件，小步工作循环，外加一个HTML技巧。
模型不再猜测——开始真正帮忙。优势不是秘密。是系统。大概花一个下午就能搭建起来。
如果这篇文章有用——收藏它。你会想回头再看。
关注 ScottyBeamIO 获取更多这样的深度拆解。 不废话，只有实际有效的东西。
