后台隔三差五就有人问我类似的问题：
张哥，都说 AI 编程多牛逼，为什么到我这就不灵了？让它改个 bug，能顺手给我造出三个新的；让它写个方案，跟没睡醒一样。
这类留言总结成一句话就是：我的 AI 像个智障。
大部分人的一个误区，你和高手用的可能是同一个模型，以为产出结果一样，但你们用的不是同一个 AI。
大部分人抱怨 AI 的时候，默认变量只有一个--模型。模型不行，换个模型；换了还不行，说明 AI 都是吹的。但真实情况是，模型只是三个变量里的一个，剩下两个，要么被忽略，要么你从来不知道。
今天爬上来姑且把这三个变量讲清楚。
1. 先承认：模型的差距是真的
大家应该达成这样一个共识：模型之间的差距是物种级的。
比如你同样一件事，问豆包和问 Opus 或者 GPT，得到的答案肯定不一样。
但你能不能感受出来，取决于你问的是什么问题。
什么意思呢？
你的问题如果是 1+1 等于几？
那么你当然感受不到区别，因为这类问题太简单了，但是如果你问的是一个复杂度很高的难题，那你就会立即感受到模型能力的差别。
还有一个更隐蔽的差距：对话模型和智能体模型，压根不是一个东西。
你在 app 里问豆包，一问一答，只能给你答案，不能帮你干活。
但是如果你用的是 Claude Code 或者 Codex 这类超强智能体（AI Agent），它不只能回答你问题，还能直接接管你的电脑，自己执行指令，自己看报错，自己输出报表，打开网页填表单等等等。
你可以认为，你在电脑上干的绝大部分活，AI Agent 都可以帮你去干。
就算同样是 Agent，相互之间差异也不小。
比如你用 workbuddy，各种国产衍生 claw 之类的，日常办公，回复邮件，整理日报，数据调研，报表分析都可以搞定。这类需求类比小感冒发烧，普通医生都可以搞定。
但是如果你要是做网站，做 app，处理复杂任务和需求，这类属于 AI 编程领域，不是感冒发烧这么简单了，就必须得去看顶级医生专家了。
所以，很多人感受不到 CC/Codex 强的地方，本质你的场景和需求就是普通感冒，一些基本 Agent 结合国产大模型基本够用了。
一旦涉及到 AI 编程领域，高下立判。
但即便你今天用上了全球最强 AI Agent CC/Codex，每个人产出的结果都会差异很大。
2. 但模型只是发动机
不过今天想说的重点，不是让你去换模型。
模型你可以理解为发动机，它决定这台车的上限。但光有发动机上不了路：没方向盘，一脚油门就进沟里；没导航，马力再大也只能在小区里打转。
所以我给 AI 干活的真实水平列了个公式：
模型能力 × 约束质量 × 语料上下文 = AI 的工程能力。
注意是相乘，不是相加，这个区别后面细说。先看剩下两个变量--它们不花一分钱，但比换模型管用得多。
3. 约束：你敢不敢给 AI 立规矩
大部分人用 AI 是裸奔式的：打开就聊，想到什么说什么，AI 全靠猜。猜你的意图、猜你的技术栈、猜你能接受什么风险。猜错了，你骂它智障。
我的做法相反：AI 进我任何一个项目，第一件事是读规范文档。这个项目是干嘛的、目录怎么组织、代码什么风格、哪些事能直接做、哪些事必须先停下来问我--全部白纸黑字写好。
比如我立的几条红线：删文件必须先问，动密钥配置必须先问，对外发布必须先问。
再往细了立，代码风格也有规矩。AI 写代码有两个通病：
一是过度工程，你要 5 行它给你 50 行，抽象、配置项、兼容层全给你安排上；
二是顺手重构，让它修个 bug，它把旁边没坏的代码也一起「优化」了。
所以我直接写进规范：用最少代码解决问题，不加要求之外的功能；只碰和请求直接相关的代码，别动没坏的东西。连 commit 信息都有规矩：禁止「修复 bug」「优化代码」这种泛词，必须说清楚改了什么、为什么改、影响哪里。
还有一份错误清单。AI 犯过的每个错，我都写进规矩里，标明「禁止重犯」。比如它有次调一个外部接口，靠猜测反复试错，改一下跑一下，两个小时没结果。复盘完我加了一条：外部协议问题，第一步先找官方参考实现，逐字段对比，禁止盲猜。从那以后，这类坑它再没掉进去过。它踩过的坑，就成了它的负面清单。
星球的 AI 值班员是更极端的例子。评论区什么人都有：有人装我小号骗它开权限，有人让它背圆周率前 1000 位想耗死它。这些招数它第一次见时，预案里一条都没有--因为我给它写的是红线和底线，不是每种情况的话术表。红线之内，每一仗它自己打。
很多人觉得立规矩是把 AI 管死了。恰恰相反。
约束不是限制 AI，是把你的判断力预先写进系统里。
方向盘和刹车不是为了让车跑得慢，是为了让你敢把油门踩到底。没有刹车的车，你只敢开二十码--这就是为什么裸奔用户不敢让 AI 干大事，只敢让它写写周报。
落到具体的 CC/Codex，这是你全局配置文件 CLAUDE.md 和 AGENTS.md 干的事，这份文件你约束的好不好，也决定了你 AI 的行事风格与干活质量。
4. 语料：AI 不是不聪明，是不认识你
有人可能会问了：规矩我也写了，为什么 AI 还是不懂我？
因为它不认识你。
AI 有个东西叫上下文窗口（Context Window），直白说就是它一次能装进脑子里的信息量。窗口里没有的东西，对它来说等于不存在。你不喂，它对你的全部认知，就是你刚打的那一行字。
更要命的是，AI 每次新对话都是失忆重启。你上周跟它聊得再深入，这周打开新窗口，它就是个陌生人。
所以第三个变量是语料：把你的世界喂给它，而且要沉淀下来。
我本地 50 多个项目，每一个的根目录都有三份文档：CLAUDE.md，README.md，ROADMAP.md。
一份是给 AI 看的项目说明文档，定义了项目干什么的，架构设计，目录结构，技术栈，有什么规矩。
一份产品说明文档，给人看的，给内部团队或者用户，一眼知道这个产品的功能和操作手册。
一份进度文档，依然是给 AI 看的。记录干到哪了、卡在哪、下一步干什么。
本地的 project 根目录还有一张总索引，哪个项目活跃、哪个闲置、哪个已经废弃，一目了然。
AI 切进任何一个项目，先读文档再干活，10 秒进入状态，不用我从头解释一遍。它不用猜，因为答案就摆在那。
再举个我最有发言权的例子：写作风格。
一开始我把自己的历史文章全部喂给 AI，让它逐篇分析，提炼出一份写作风格规范--开头怎么起手、过渡怎么接、哪些词是我的口头禅、哪些词我从来不用。而且规范里每一条都带着我文章原文的例句，不是「口语化」「接地气」这种形容词--形容词 AI 学不会，例句才学得会。
这份规范到今天还在迭代。第一版把我的语气分成三种固定模式，后来对着文章一篇篇核，发现根本不是那么回事：我的文章都是混合体，结构正经、句子带梗，区别只是浓度高低。于是推翻重写。中间还发现一个反直觉的坑：AI 写出来的稿子太「干净」了，工整得不像我，我专门加了一条--错字要避免，但口语碎语要保留，不要比本人更干净。
一开始它写的初稿，我觉得真的很烂，只能到 40 分，但是不断迭代优化后，起码现在能到 70 分了。
说白了，语料就是那张导航地图。发动机再猛，没地图，只能在你家小区里打转。
你给 AI 的上下文和语料积累，就是它对你世界的全部认知。
5. 相乘，不是相加
回到前面埋的那个点：为什么是相乘，不是相加？
要是相加，模型强还能兜底。但它是相乘--只要有一项接近零，结果直接归零。
有人可能会说：我买的可是最贵的订阅。顶级模型 × 零约束 × 零语料，依然约等于智障。你花大几百订阅了一台 F1 发动机，没装方向盘没带地图就上路，回头骂这车是垃圾。
对号入座一下，典型的裸奔用法：
- 一句话需求。「帮我写个爬虫」，爬什么、存哪里、什么频率，一概没有，然后嫌它写得不对--它不对，是因为你自己都没想清楚。
- 零背景。不给项目结构、不给现有代码，让 AI 盲猜你的技术栈。
- 零规矩。AI 犯了错，骂一顿完事，下次同一个坑接着掉--教训没写下来，等于没发生。
- 零沉淀。所有上下文都留在聊天记录里，关掉窗口，一夜回到解放前。
四条全中的朋友不用难过，绝大部分人都是这么用的。这也是为什么同一个模型，有人用它三天做出一个产品，有人连个正则都调不明白。
顶级模型乘以零，还是零。
6. 从一个项目开始养
那怎么办？不用搞什么宏大工程，从一个项目开始：
- 花半小时给项目写份说明文档：这项目是干嘛的、结构什么样、有什么规矩。
- 让 AI 每次干完活，把进度写进文档，下次打开接着干，不从零开始。
- AI 犯错，别光骂，把教训写进规矩，标明禁止重犯。
就这三件事，共同点是沉淀。我那套 50 多个项目的规范体系，也不是哪天一口气建成的，就是这么一个项目一个项目养出来的。
这里面的复利在于：模型一年换三代，你今天调教出来的聊天记录，明年一文不值；但你沉淀下来的规范和语料，换什么模型都能直接接上。
AI 用得好不好，本质是个沉淀和调教问题，不是天赋问题。
这里我点到为止，如果细说又是一篇教程。
回到主题：为什么你的 AI 像智障？
智障从来不是模型的属性，是用法的属性。同一个模型，有人拿它当失忆的路人，每次从零开始互相折磨；有人拿它当带了三年的老员工，规矩立好、背景交齐，放手让它干。
模型是买来的，人人都可以用上全球最强模型；约束和语料是养出来的，这才是人和人拉开差距的地方。
而且，当下模型能力其实已经相当聪明了，区别就是不同的人对 AI 的用法与调教，决定你的 AI 是不是智障。