我怎样把AI纳入一个完整项目
我长期使用ChatGPT、Codex、Claude Code、DeepSeek Pro与Trae。AI会参与资料调研、方案讨论、代码实现、文档生产、测试和审查；我负责提供现实背景、选择要解决的问题、确定验收标准、检查关键结果，并决定项目何时停止和哪些内容能够发布。
这些方法来自实际项目中的反复使用。CitiBike让我重新检查模型评估，工作台让我区分系统规则、AI解释和人工批准，个人网站又让我开始把长期有效的要求整理成Skill。
我会先让AI展开细节，再回到关键位置核对。
代码、字段、测试和文档已经给出以后，AI能够同时检查更多局部信息，也能快速提供不同的实现路线。AI无法自行获得没有写进资料的业务背景，也无法替我决定哪一种代价可以接受。
因此，我在项目中同时处理两类工作：一类是方向、目标、资源、风险和停止条件；另一类是会改变结论的具体字段、指标、测试和异常。宏观判断和关键细节需要保持联系。
一个项目通常怎样与AI共同推进
我先确认需求，并查找已有方案
项目开始前，我会先说明当前想法、课程要求或现实问题，再让Agent到GitHub、官方文档和其他公开资料中寻找相似项目。已有方案能够帮助我理解常见工具、可复用结构和已经出现过的风险，也能避免把时间花在重复实现上。
需求与参考资料我提供与任务有关的信息
数据、文件、历史讨论、已经做过的尝试、现实限制和个人判断都会进入对话。目标、指标口径和验收标准有时已经明确，有时需要在对话中逐步形成。信息持续补充时，方案也可以继续修改。
上下文组织我比较方案并选择模型、Skill和工具
AI会提供技术路线、工具和开源项目，我会先弄清每种选择会改变什么，再决定采用哪一种。需要稳定重复执行的规则会整理成Skill；需要访问文件、浏览器、终端、GitHub或其他系统时，再安排对应工具。
方案与工具选择AI按阶段生产代码和文档
大项目会被拆成能够单独验收的阶段。AI负责生成代码、测试、说明和阶段记录，我负责检查当前阶段的输入、输出和验收结果。阶段完成后，下一阶段继续使用已经确认的产物。
阶段实施我要求AI重新检查整个任务
局部代码成功运行以后，我还会检查目标、遗漏、依赖、替代路线和阶段关系。这个检查用于发现“每一步都完成了，所有步骤连起来却没有解决原问题”的情况。
任务审查结果经过测试、外部资料和其他模型核对
可以自动验证的部分会运行单元测试、构建检查、数据对账和最小运行验证。解释性结果会与代码、报告、外部数据或其他模型的独立意见比较。不同来源得出相同说法时，我仍会检查它们是否使用了相同前提。
结果评估我完成错误修正和最终确认
我会确认异常是否真实、结果适用于什么范围、哪些限制需要公开，以及继续完善是否会改变当前结论。重要指标、项目方向和发布决定由我确认；暂时没有完成的部分会留在当前状态说明中。
人工确认这些AI应用方法分别对应哪些实际工作
- 上下文工程
- 上下文工程负责组织模型完成任务所需的信息。我的做法包括提供数据、文件、历史讨论、约束和已经验证的结果，并在对话中补充最初没有意识到的条件。
- 提示词设计
- 提示词设计负责明确目标、检查角度、证据要求和停止条件。三个任务检查问题、阶段验收要求，以及“没有发现遗漏时直接说明”都属于这一部分。
- Skill调用与定制
- Skill保存能够重复使用的任务规则。现有项目会调用界面设计、文档处理和图像生成Skill；个人网站还把多轮交流中确认的表达要求整理成Tomme专用写作Skill，并根据输出继续修改。
- 工具调用与MCP理解
- Agent会根据任务访问终端、浏览器、GitHub、文档和图像工具。MCP是一套帮助AI发现和调用外部工具或数据源的协议；我已经学习其用途，当前五个项目没有包含本人独立开发的MCP Server。
- Agent流程安排
- 项目会明确阶段顺序、输入输出、工具权限和人工检查位置。工作台使用固定的质量检查、分析、审查和报告流程，AI解释部分再由Planner、Analyst、Reviewer和Reporter按顺序处理。
- 评估与修改循环
- AI执行后会进入测试、审查和修改，再重新运行。循环会在验收标准通过、资源不再值得继续投入，或后续工作不会改变当前结论时停止。
- 人工参与与发布责任
- 系统规则能够发现疑点，AI能够解释影响，人工需要确认现实含义和处理方式。结果是否采用、哪些限制需要公开，以及报告是否发布，都需要明确的责任人。
三条使用心得怎样进入实际操作
完整信息决定AI输出的下限
这里的完整信息包括所有与任务有关、AI需要知道的内容。目标和口径可能已经存在，也可能在讨论中才逐渐形成。输入内容越接近真实任务，AI越有机会从正确前提出发。
完整审视决定AI能力能够到达的位置
只处理当前提示时，AI容易把局部完成当作任务完成。我会要求AI重新检查整个任务、遗漏变量、阶段依赖和其他路线，并允许它在没有发现问题时直接停止。
执行边界决定哪些结果可以采用
AI可以提出方案、生产代码、运行测试和解释结果。现实业务限制、关键异常、取舍和发布决定仍然需要人工确认。边界会根据项目风险和用途变化。
我会真实使用的三个检查问题
这些问题会在阶段完成后使用，也会在项目准备发布前重新使用。问题要求AI检查具体对象，并允许AI在没有发现问题时直接说明。
请从第三者的角度重新检查这次任务：有没有被我们忽略的条件、变量或阶段关系？如果没有，请直接说明没有，不必为了完成检查而制造问题。
根据当前掌握的信息，哪些判断仍然缺少把握？如果没有明显的不确定项，请直接说明。
每个阶段单独完成以后，所有阶段连起来是否仍然解决最初的问题？请检查阶段之间的输入、输出和判断依据。
这些方法怎样改变了具体项目
CitiBike：Claude Code与DeepSeek Pro完成首版以后，Codex、ChatGPT-sol和工作台重新检查字段来源与数据切分。我根据代码、数据定义和最小验证增加了修复分支。
可信分析工作台：CitiBike实际运行暴露了112条重复拒绝和专业表达难懂的问题。使用反馈推动普通视图、状态灯、责任区分和明确修改建议进入新版。
个人网站：多轮文案修改暴露了内容被结构压缩的问题。这个问题随后进入产品目标、写作规则和Tomme专用Skill，页面结构也改为容纳完整正文。