上个月见了一家做外贸的客户，他花了两三个月搭了一套「AI工作流」，笔记本里贴满几十个节点、十几个提示词模板，说明书写了四十多页，还专门给我演示这套体系能「一键出内容」。我问他：一键出过吗？他愣了两秒：还在调，没跑通过。

这不是个例。我见过太多老板，在AI这件事上栽进同一个坑——不是不会用，是用得太复杂。把东西搞复杂，好像就显得自己专业、显得投入大。可结果往往是：体系没搭完，人先耗没了，结果也没出来。

正好这几天看到一篇对谈，是Claude Code的创造者Boris Cherny在YC Startup School讲的。他一上来就抛了个反常识的结论：模型越聪明，提示词反而该删得越狠。新版Opus 5一发布，他们直接把Claude Code的系统提示词删掉了超过80%，还做了个对照组实验——把提示词几乎全删掉，模型的表现不但没崩，反而还更聪明了一点。另一个例子更吓人：就一个Prompt，模型连续跑了11天，把整个代码库从一种编程语言重写成另一种。这种活，搁过去是一个工程师好几个月的量。

真正的专业，是敢做减法，不是敢堆砌

这条规律，和做短视频一模一样。很多人以为专业等于设备多、镜头多、脚本模板厚。我反复验证过一件事：真正跑出结果的账号，往往前期就一部手机一张嘴，口播就发了20条；反倒是那些先花两万买设备、再研究三个月运镜的人，到今天一条都没发出去。

Claude Code的做法就是个铁证：每出一代新模型，他们就把提示词整个删掉，然后逐行加回来，测试哪一行是真需要的。Boris原话的意思是——只有当模型反复在同一个地方撞墙，才把那条约束加回去，别在你还没让它跑起来之前，就替它把路铺死。这个思路，做实体、做内容、做IP的人都能照搬：先删掉那些「我以为需要」的条条框框，让它先跑起来，再根据它真实撞到的墙，一点点补约束。想法值0分，执行才开始计分。

给AI交代任务，要像给一个靠谱的下属交代

对不上套路的人，最容易犯的错是给AI下太细的指令：「你先做第一步，再第二步，然后这样、那样，照我说的来。」Boris说得很直白：这不是当前模型正确的用法。正确的交代方式是——告诉它这次活要干到什么程度（目标）、不许碰的边界（约束）、怎么算干完了（完成标准），然后把步骤交给它自己安排，隔一阵子回来看结果。

我把它翻译成我的经验：你新招一个得力员工，不会天天站在他背后指挥每一步，你会给他说清楚要交付什么、底线在哪、什么时候交，然后放权。对AI，就按这个标准来。你交代得越宽松，它反而交出的东西越像样；你事无巨细地指挥，它就被你的思路框死，发挥不出来。

三步落地，今晚就能用起来

我不是让各位去做AI产品，我是想提醒各位：你是用AI的人，不是被AI折腾的人。今晚就能照这三步试一次：第一，把你最常做的一件事——哪怕就是写每周三条朋友圈——直接丢给AI，说清楚要什么效果，别给它排步骤；第二，忍住别在中途打断它、加条件，让它一口气干完再来汇总；第三，看完成果，只挑它反复做错的一个点，把那条约束补回去。就这三步，比任何付费工作流都管用。

做事的逻辑从来都是：先完成，再完美。AI时代把这个门槛又压低了一大截——你不用懂编程，不用搭什么复杂体系，讲清楚你想要什么，它就能帮你跑。别再把时间浪费在「把工具建得漂漂亮亮」上了，工具是拿来用的，不是拿来伺候的。

看完有启发？把你的行业和每天最耗时间的一件事告诉我，我帮你看怎么用AI把它接起来。