我现在跟 AI 说话的方式，叫许愿式沟通

我现在跟 AI 说话的方式，叫许愿式沟通。

今天我用了几句“不合格”的话。

按任何 prompt 工程的标准，那都是差输入：没有格式，没有约束，没有示例，没有角色设定。

然后它跑通了几件我磨了好几周的事。

我没有写 prompt，我只是说我要去哪

故事得从一个月前说起。

我有一套自己写文章的系统，攒了一段时间，功能越来越多，越来越乱。前几天坐下来想认真重整：让它每天自动抓热点，持续观察几位目标作者更新，把每篇文章发出去之后的真实数据反哺回来，影响下一次写作。

原来我怎么做？

写 prompt。很长的 prompt。把我想要的每个功能，逐条列清楚，然后告诉 AI 该怎么实现。第一步做什么，第二步做什么，要注意什么。像一个项目经理在写需求文档，对象是 AI。

这条路有效，但慢。

然后我回来改 prompt，再跑，再改。来回几轮，一件小事能磨一个下午。

今天我换了个思路。

我没有告诉它“新增三个 LaunchAgent，用 Python 脚本，按以下时间表触发”。

我告诉它：

我最终想实现的是：实时捕捉当天热点，持续观察目标作者的更新，生产流程尽量自动跑，但前置输入环节要有更多交互来确保质量，还要不断回测，把真实数据反哺进下一次写作。

就这几句话。没有格式，没有步骤，没有任何 prompt 工程技巧。

后来我把这种表达压缩成一个很短的目标 brief。它不规定实现路径，只把真正不能丢的四件事写清楚：结果、约束、判断标准和反馈方式。

outcome: 最终想让什么真实变化发生
constraints: 哪些边界不能被突破
done_when: 看到什么结果才算完成
feedback: 真实结果如何影响下一轮

你可以直接使用这份许愿式沟通目标模板。

然后它开始工作。分析现有架构哪里断了；判断哪些任务依赖本地 Chrome，所以不该用云端 Routine，要用本地定时任务；发现那个让我头疼了一周的 bug，一个 set -e 导致的静默失败，直接定位修掉。

不到 40 分钟，3 件拖了很久的事全部跑通。

我愣了一下。

这不是 prompt 写得好的结果。那几句话按任何 prompt 工程的标准都是不合格的输入。

但有一样东西：我清楚地知道我要去哪。

AI 帮我找路。

当然，许愿不是乱许。

这里有个关键区别：告诉 AI 你要去哪，和你自己也不知道要去哪，是两回事。

今天那几句话之所以有效，是因为我在说之前，已经想清楚了我真正要什么。

热点要自动进来，这是目标。

作者观察要变成活的数据，不是每次手动跑，这是目标。

回测结果要能影响下一次输出，这是目标。

这三件事的逻辑关系，我在说出口之前，已经在脑子里理顺了。

许愿，是把清晰的意图喂给 AI，让它做路径规划。不是把一团模糊的感觉甩过去让它猜。

你自己都不知道终点在哪，AI 帮你出的方案只会更乱。

这让我想到一件更大的事。

过去两年，我们说 AI 协作的核心是“会问”，会问的核心是“会写 prompt”。这个判断在早期是对的。

但它有个临界点。

当 AI 的理解能力强到某个程度，“你问得多好”变成次要问题，“你知道要什么”才是主要问题。

今天那 40 分钟，就是答案。

所以，最高效的 AI 协作，本质上是一道关于自己的题：你对自己想做什么，有多清晰？

Prompt 工程优化的是输入侧的技巧。许愿 coding 优化的是你自己对目标的认知。

前者的天花板是技巧本身，后者的天花板是你的判断力。

不是同一个量级的东西。

最近越来越觉得，用 AI 越跑越顺的时候，往往不是因为 prompt 变好了，而是因为我对自己想做什么，想得越来越清楚了。

目标清晰的时候，一句话能顶十个 prompt。

目标模糊的时候，写一百个 prompt，也只是在原地绕圈。

许愿 coding 真正在练的，是你。