从自然表达开始
“我想做一个 AI 产品，但现在想法很散，不知道到底先做什么。”
“先不急着堆功能。你现在最需要证明的，是不是‘真的有人愿意持续用它’？”
“对，先证明有人真会用。”
当前真正要做成的事先做出一个真实用户能完整体验、愿意反馈的第一版。关键未知已收束 → 不再继续审问 → 往下一步走
人的表达
AI 的行动
“先验证有没有人真用。”
“别把时间花在不重要功能上。”
“这个取舍我更在意真实价值。”
理解翻译放大最小充分上下文
目标 + 边界 + 当前动作
模型推理 · Agent 执行
工具操作 · Evidence 返回
执行结果做到哪 · 什么成立 · 什么没成立 · 下一步 → 回到你能判断的话
始终不变的是你真正想做成的这件事目标 · 当前进展 · 上下文 · 验收继续属于同一条任务主线
MODEL更强模型
理解、推理、生成；新的模型出现，可以换。
AGENT专业 Agent
研究、开发、操作；谁更合适，就让谁来。
TOOL真实工具
搜索、文件、服务、外部系统；能力继续增长。
能力升级 / 替换，任务不用重新从头解释。
默认简单，必要才组合
GOAL你的目标
↓
DEFAULT默认：一个最合适的执行者能完成 → 继续
↓
IF NEEDED需要并行增加并行智能
IF NEEDED需要专业能力增加专业 Agent
IF NEEDED需要独立验证增加第二视角
AI 越强，用户越不应该学习怎样管理 AI。复杂留在后台，目标留给用户。
上一次真实任务你反复强调：先证明真实价值。
大而全的路线走过，代价高、反馈慢；先让真实用户完整体验，反而更快暴露真正问题。
留下的不是聊天原文，而是：你的标准 + 有效方法 + 失败经验。
→下一次
新的任务，新的现实少解释一次，少走一段弯路。
相关经验会主动回来影响建议，但仍检查当前事实；旧经验不会冒充今天的答案。
经验帮助起步更快，现实与证据决定这一次什么才成立。