AI 任务委派分块法

Truell 观察到用 AI 编程工具有两种典型模式:

1. 一次性规格化(spec-then-review):花大量时间把"我到底要什么"一次性写清楚,让 AI 一口气去做,做完你再整体审查、验收。
2. 切片式(chop it up):把任务切成很多小块,每次只说一点,AI 做一点,你review一点,再说一点、再做一点、再review。Autocomplete 就是这个谱系的极致形态。

Truell 给 Cursor 新用户的两条建议,本质就是这个框架的操作化:

• 偏向切片:不要试图用一次巨大的 prompt 交代清楚整个大任务后指望一把过——目前这样做"很容易翻车"。用大致相同的总时间去specify,但把它拆成多个小段,每段specify一点、拿到一点产出、review一点。
• 主动去试探模型的边界:找一个安全的场地(比如副业项目,而不是正式工作代码),刻意"作死"式地把AI用到极限,故意让它暴露失败模式。很多人低估AI能力,是因为从没真正给它一个公平的机会去试。这样做能建立起对"这个模型能扛住什么复杂度、需要我讲清楚到什么程度"的直觉("gut feeling"),而且每次大模型换代,这个直觉都要重新建立。

Truell 特别指出:当前(2025年)观察到的规律是,最成功的客户/用户仍然普遍偏保守,更依赖"next edit prediction"这类小步操作,并且倾向于把交给bot的任务范围主动收窄,而不是一次性交出大任务。