我的 AI-native 工作流：从模糊想法到可运行系统

我的优势不只是速度，而是把速度组织成系统。

AI 工具让很多人都变快了。单纯说“我用 AI 写代码更快”已经不构成长期优势。真正的优势，是把 AI 的速度、人的判断、工程验证和内容沉淀组织成一个可复利的系统。

我现在的工作方式大概是：先捕获模糊想法，再把它压缩成明确目标；然后拆成 skill 和 workflow；让 Codex 或其他 agent 执行一部分；最后用测试、浏览器、构建、截图、文章和 case file 把结果固定下来。

这个过程既是工作流，也是 IntentDNA 的实验样本。

第一步不是动手，而是捕获真实意图。

很多任务一开始都不是清楚的需求，而是一团感觉：我想解释 IntentDNA、我想整理一条路线、我想把复杂想法讲清楚。

我不会急着写代码，而是先问：这个想法背后真正要解决什么？它服务产品、长期研究、公开表达，还是一次具体交付？读者或使用者看完之后，应该更清楚什么？

意图捕获的质量，决定后面 agent 是否会乱跑。模糊输入会带来模糊执行。

第二步是把想法编译成任务和验证门。

我会把想法拆成页面、文章、图、代码、验证和发布路径。比如这组文章，不是随手写几篇文章，而是一个内容系统：8 篇文章、8 张图、静态 HTML、总目录、后续可迁移。

每个任务都要知道完成标准：HTML 能打开、图片路径正确、引用来源明确、风格统一、可以移植。

这一步其实就是个人版 IntentDNA：把意图变成可执行 IR。

第三步让 agent 执行，但不把判断外包给 agent。

我会让 agent 帮我写代码、生成图、整理结构、查资料、做验证。但 agent 不决定我的路线，它执行我逐步澄清出来的工作系统。

这能避免两个极端：一个是完全手工导致速度慢；另一个是完全放任 agent 导致结果漂。

好的 AI-native 工作方式，是人负责方向、品味、取舍和最终责任，agent 负责扩展执行力。

第四步用校验减少自我感觉。

我不喜欢只说“已经完成”。我更喜欢看到文件路径、HTTP 200、构建通过、类型检查通过、截图验证、资源存在、引用链接可追溯。

AI 时代一个常见问题，是模型能很自然地包装不完整结果。校验、记录和复盘可以让问题更早暴露。

我的个人网站也应该保留这些过程：不只展示结论，也记录如何校验、如何修正。

第五步把一次工作沉淀成长期资产。

一次讨论如果没有沉淀，很快就消失在聊天记录里。沉淀成文章、图、case、模板、workflow，它才会变成个人资产。

这也是我整理个人网站的原因。首页展示定位，Lab 展示路线，Wiki 展示思考，Cases 展示过程记录。它们共同构成一套可以长期更新的工作系统。

我会继续把这些材料沉淀下来，让想法、工具、页面、文章和复盘逐渐连成一个可持续的系统。

这些判断背后有清晰的行业信号。

我引用这些来源，是为了把个人判断放回更大的市场、资本和工程实践背景里。它们共同指向一个趋势：AI 的竞争点正在从“模型调用”转向“工作系统设计”。