鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长：程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
14
8
11

Claude Code凯神实战指南 - 第三章：告别重复提示词，自定义Commands让AI秒懂你

lenyan
lenyan
2026-03-21 13:43
阅读 4217
lenyan
2026-03-21 13:43
阅读 4217

第三章：告别重复提示词，自定义Commands让AI秒懂你

📖 项目简介

这是由凯神精心打造的一套完整的 Claude Code 实战教程系列，从零基础环境安装，到企业级安全合规，全面系统地覆盖 Claude Code 的所有核心功能。

8个完整章节，包含：Commands / MCP / Hooks / Skills / Plugins / 团队协作 / 企业安全 等全部内容。

全中文编写，实战导向，每个章节都经过真实场景验证，帮助你快速从零开始，到能独立管理企业级项目。

👨‍🏫 关于作者

Lenyan 凯神

一名即将进入社会的应届生开发工程师。在学习 Claude Code 的过程中，深刻体验到它能极大提升开发效率。凯神把自己的学习笔记和实践经验整理成这套教程，希望帮助更多同学和新人开发者快速掌握这个强大工具。

这套教程的初衷很简单：让大家真正用上 Claude Code，提升编程效率，少走弯路。

凯神的观点：做好指挥官，让 AI 为你工作。

📚 笔记链接目录

1、Claude Code 实战指南 - 从零到起飞✨第一章

2、Claude Code 实战指南 - 30+命令与快捷键✨第二章

3、Claude Code 实战指南 - 自定义Commands让AI秒懂你✨第三章

4、Claude Code 实战指南 - MCP、Hooks与Subagent实战✨第四章

5、Claude Code 实战指南 - Skills定制给Claude装能力✨第五章

6、Claude Code 实战指南 - Plugins全攻略✨第六章

7、Claude Code 实战指南 - 企业级协作规范与CICD✨第七章

8、Claude Code 实战指南 - 企业深水区密钥安全✨第八章

立即开始学习 → 点击上方任意章节开始你的 Claude Code 之旅！🚀

目录

  • 1. 前言
  • 2. Commands 是什么
    • 2.1 什么是 Slash 命令
    • 2.2 命令的三大类型
    • 2.3 为什么要学 Commands
  • 3. 创建第一个自定义命令
  • 4. 自定义命令开发进阶
    • 4.1 命令文件结构
    • 4.2 作用域与优先级
    • 4.3 frontmatter 配置详解
    • 4.4 $ARGUMENTS 参数处理
    • 4.5 可调用的工具
    • 4.6 条件逻辑设计
    • 4.7 实战：完整写作命令
  • 5. 命令高级用法
    • 5.1 命令组合与链式调用
    • 5.2 模块化设计
    • 5.3 社区命令资源
    • 5.4 故障排查
  • 6. 内置命令速查
  • 7. 总结
  • 8. 参考资料
  • 下一步学习

感言说在前头：

感谢大家的前几期的观看~

这期和前面后面有所，不同这期没有自己实操的图片，所以是大多数文字和AI的辅助编写~

抱歉大家可能看不下去，不过随便看看也行，留下👍收藏⭐️是我更新的动力。

因为我觉得Commands,在我们使用中其实就是一段有规则的提示词，重复帮我们做好一件事。

其实网上大多数已经有了许多，还有其他Skills,Plugin,Subagent实现各个领域专属的利器。

除非是自己行业需要或者特殊，也可以通过后面的第4,5,6章节创建属于自己更厉害的用器~ 去征服AI~

1. 前言

学完前两章，你已经能熟练启动 Claude Code、使用各种 Slash 命令和快捷键。

但你可能发现一个痛点：每次让 Claude 做同类型的事，都要重复一大段要求。

Commands（自定义命令）就是解决这个问题的——把重复的提示词压缩成一个词，一次配置，永久生效。

2. Commands 是什么

2.1 什么是 Slash 命令

Slash 命令是 Claude Code 的"快捷方式"：输入 /命令名 触发预设操作。

工作原理：输入 /write AI教程 → 找到 .claude/commands/write.md → 读取内容作为提示词 → 把 AI教程 赋值给 $ARGUMENTS → 执行。

核心等式：命令名 = 文件名（不含 .md），参数 = $ARGUMENTS。

2.2 命令的三大类型

类型存放位置生效范围
内置命令程序内部（不可改）所有项目
项目级自定义.claude/commands/仅当前项目，可提交 Git 团队共享
用户级自定义~/.claude/commands/所有项目，个人通用工具

选择原则：会话管理/诊断用内置；项目专属工作流用项目级；跨项目通用工具用用户级。

2.3 为什么要学 Commands

对比维度手动输入使用 Commands
效率每次重复输入一次配置，永久使用
一致性容易遗漏要求标准化执行
可复用困在聊天记录团队共享、版本控制

3. 创建第一个自定义命令

Step 1：建目录

▼
Bash
复制代码
# macOS / Linux
mkdir -p .claude/commands

# Windows PowerShell
New-Item -ItemType Directory -Path ".claude\commands" -Force

Step 2：创建命令文件 .claude/commands/hello.md

▼
markdown
复制代码
# 问候命令

用户想要问候的对象是：$ARGUMENTS

如果没有提供名字，请使用"朋友"作为默认称呼。
请用热情友好的方式问候，并询问今天可以帮助什么。

推荐新手直接在 Claude Code 对话框说："帮我创建文件 .claude/commands/hello.md，内容是……"，让 AI 帮你写文件。

Step 3：测试

▼
text
复制代码
claude
You: /hello 张三   → 你好，张三！……
You: /hello        → 你好，朋友！……

小技巧：输入 / 后按 Tab 键可查看所有可用命令。

4. 自定义命令开发进阶

4.1 命令文件结构

命令文件由两部分组成：YAML frontmatter 配置区（机器读）+ Markdown 正文（AI 读）。

▼
markdown
复制代码
---
description: 公众号文章创作命令
argument-hint: <主题关键词>
allowed-tools:
  - Read
  - Write
  - WebSearch
model: claude-sonnet-4-5-20250929
---

# 公众号文章创作

你是一位资深的公众号写作专家。
主题：$ARGUMENTS

写作要求：接地气 · 1500-2000字 · 金句开头 → 核心内容 → 行动号召

4.2 作用域与优先级

优先级：项目级 > 用户级 > 内置命令（非核心）

/clear、/help、/compact 等核心内置命令受保护，自定义命令无法覆盖。

支持子目录，用 : 作命名空间：

▼
text
复制代码
.claude/commands/
├── write.md              # /write
├── dev/
│   └── code-review.md    # /dev:code-review
└── test/
    └── generate.md       # /test:generate

4.3 frontmatter 配置详解

配置项作用
description命令描述，显示在 /help 和 Tab 补全中
argument-hint输入命令后显示的参数占位符提示
allowed-tools限制可调用的工具（安全边界）
model强制指定模型，覆盖当前会话模型
disable-model-invocation设为 true 时只做文本替换，不调用 AI

disable-model-invocation 示例（节省 Token 的纯模板命令）：

▼
markdown
复制代码
---
description: 快速插入版权声明
disable-model-invocation: true
---

© 2025 $ARGUMENTS. All rights reserved.

执行 /copyright 凯神 → 直接输出 © 2025 凯神. All rights reserved.，不经过 AI 处理。

4.4 $ARGUMENTS 参数处理

$ARGUMENTS 接收命令后的全部输入（整段字符串）：

▼
text
复制代码
/write AI工具            → $ARGUMENTS = "AI工具"
/write AI工具 技术 3000  → $ARGUMENTS = "AI工具 技术 3000"
/write                   → $ARGUMENTS = ""（空）

多参数解析和空值校验直接用自然语言在提示词中描述即可：

▼
markdown
复制代码
$ARGUMENTS 格式：<主题> [风格] [字数]
- 第一个词：主题（必需，若为空请提示用户补充）
- 第二个词：风格（可选，默认"接地气"）
- 第三个词：字数（可选，默认 1500）

4.5 可调用的工具

工具名功能常用场景
Read读取文件分析代码、读取配置
Write写入新文件创建文件、保存结果
Edit编辑已有文件修改代码
Bash执行命令运行测试、Git 操作
WebSearch网络搜索获取最新信息
WebFetch抓取网页内容下载指定页面分析
Glob按文件名匹配查找批量找 *.md、*.ts
Grep按内容搜索文件找含 TODO 的代码
Task启动子代理并行执行复杂任务
TodoWrite任务管理创建和更新待办清单

最小权限原则：审查类只需 Read, Grep；写代码加 Write, Edit；跑命令才开 Bash。

MCP 工具命名格式：mcp__服务器名__工具名（如 mcp__github__create_issue），详见第04章。

4.6 条件逻辑设计

Markdown 不支持代码逻辑，但 Claude 能理解自然语言描述的条件分支：

▼
markdown
复制代码
根据 $ARGUMENTS 判断：
- 包含"深度"或"详细" → 深度分析，输出 3000 字以上完整报告
- 包含"快速"或"简要" → 快速分析，输出 500 字以内摘要
- 其他情况（默认）    → 标准分析，输出 1500 字标准报告

▼
markdown
复制代码
检查 $ARGUMENTS 的第一个关键词：
- "测评" → 测评模板，重点写优缺点对比
- "教程" → 教程模板，重点写步骤和代码
- "对比" → 对比模板，重点写表格和结论
- 其他   → 通用模板

4.7 实战：完整写作命令

文件：.claude/commands/write.md

▼
markdown
复制代码
---
description: 公众号文章全自动创作，从信息收集到成稿保存
argument-hint: <主题关键词>
allowed-tools:
  - Read
  - Write
  - WebSearch
  - Grep
---

# 公众号文章创作系统

你是资深公众号写作专家，擅长创作接地气、有深度的技术科普文章。

**主题**：$ARGUMENTS

## 执行步骤

1. **信息收集**：WebSearch 搜索"$ARGUMENTS 最新资讯 2025"，收集核心概念、最新动态、用户痛点
2. **构思大纲**：金句开头 → 问题引入(2-3段) → 核心内容(5-8段) → 总结号召
3. **撰写文章**：说人话、用类比、多短句，字数 1500-2000，每段≤150字
4. **保存文章**：Write 保存到 `articles/drafts/[日期]_[主题].md`
5. **生成标题**：5个备选标题（含数字、引发好奇、≤30字）

## 输出格式

# [选定标题]

[文章正文]

---
## 备选标题
1. [标题1] ... 5. [标题5]

使用：/write Claude Code入门 → 自动完成搜索、构思、撰写、保存全流程。

5. 命令高级用法

命名空间（子目录组织）见 4.2 作用域与优先级。

5.1 命令组合与链式调用

单个命令可以描述多步骤工作流，Claude 会按顺序执行：

▼
markdown
复制代码
# 完整发布流程

1. WebSearch 搜索 "$ARGUMENTS 最新动态"
2. 根据搜索结果撰写文章并 Write 保存
3. Read 读取文章，进行自我审查并输出修改意见
4. 输出最终版本与 5 个备选标题

多命令串联：先 /research 主题 生成素材文件，再 /write 主题 读取该文件写作，每个命令职责单一、可单独复用。

5.2 模块化设计

把多个命令共用的角色设定、写作风格提取为共享片段，存入 .claude/modules/：

▼
text
复制代码
.claude/
├── commands/
│   ├── write.md        # 引用 modules/writer-role.md
│   └── review.md       # 引用 modules/writer-role.md
└── modules/
    └── writer-role.md  # 共享角色设定，修改一次全部生效

在命令文件中加载模块（需在 allowed-tools 开启 Read）：

▼
markdown
复制代码
请先读取 `.claude/modules/writer-role.md` 作为角色设定，再执行以下任务……

5.3 社区命令资源

资源搜索关键词内容
Claude Command SuiteGitHub 搜索审查、测试、文档类命令集合
Awesome Claude CodeGitHub 搜索社区精选命令、模板、工作流
官方文档示例docs.anthropic.com官方推荐命令写法

使用社区命令前，先审查 allowed-tools 列表，避免权限过宽。

5.4 故障排查

现象原因解决方法
输入命令无响应文件路径错误确认路径：.claude/commands/命令名.md
命名空间命令找不到目录层级错误/dev:review 对应 commands/dev/review.md
frontmatter 配置未生效YAML 格式有误检查缩进用空格、冒号后有空格
工具调用被拒绝工具未声明将所需工具加入 allowed-tools 列表
参数被截断特殊字符问题用引号包裹：/write "AI 教程 2025"

6. 内置命令速查

详细用法见第二章 6. Slash 命令大全，这里提供速查表。

分类命令功能重要度
会话管理/clear /compact /resume清空/压缩/恢复会话⭐⭐⭐
/export /rename导出/重命名会话⭐⭐
上下文控制/context /model查看Token / 切换模型⭐⭐⭐
/cost /usage查看费用/用量⭐⭐
项目配置/init /add-dir初始化CLAUDE.md / 添加目录⭐⭐⭐
/memory /permissions编辑记忆 / 管理权限⭐⭐
开发辅助/rewind /review /todos回退/审查/待办⭐⭐⭐
/agents管理子代理⭐⭐
诊断工具/doctor /status健康检查/完整状态⭐⭐
MCP 相关/mcp /hooks管理MCP/Hooks⭐⭐⭐
其他/help /bug /release-notes帮助/报告Bug/更新日志⭐⭐

7. 总结

本章你已掌握：

  1. Commands 本质：.claude/commands/ 下的 Markdown 文件，文件名即命令名，$ARGUMENTS 接收参数
  2. 三种类型：内置 / 项目级 / 用户级，按需选择
  3. frontmatter：5 个配置项控制描述、参数提示、工具权限、模型、是否调用 AI
  4. 最小权限原则：按角色只开放必要工具
  5. 条件逻辑：自然语言描述分支，Claude 正确执行
  6. 高级用法：链式调用多步骤工作流、模块化共享片段、社区命令资源借力

8. 参考资料

官方文档与教程：

  • 知乎讲解：Claude Commands 自定义命令完整指南
  • Claude 中文文档：自定义 Commands 开发指南
  • 知乎：Commands 实战案例与最佳实践

下一步学习

章节主题你将学到
第04章让Claude连上一切——MCP、Hooks与Subagent实战MCP 协议原理、主流服务接入、自动化工作流
第05章Skills 定制——给Claude装上专属能力包Skill 开发、自动激活机制、复杂提示词组织
第06章Plugins全攻略——一键安装海量扩展，还能自己造轮子Plugin 安装到使用到自己创建~

作者简介：一名正在实习的Java开发工程师，热爱技术分享，专注于性能优化和系统架构设计。

觉得有用的话可以点点赞 (/ω＼)，支持一下。

如果愿意的话关注一下。会对你有更多的帮助。

每周都会不定时更新哦 >人< 。

版权声明：本文为原创技术文章，转载请注明出处。

Java
技术
AI
14
11
分享
操作

相关专栏

ClaudeCode实战指南

ClaudeCode实战指南

ClaudeCode实战指南

评论
相关内容
0个评论
全部评论
点击登录，快来和大家讨论吧～
表情
图片

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2500
2
我用 REA 逆向了付费颜色 APP，结果很意外！
570
3
离谱，DeepSeek 崩了 5 小时，大家却喊：梁圣恩情还不完？？
420
4
DeepSeek 全新模型发布，性价比最高的一集！
380
5
B 站上 DeepSeek 闹鱼灾了，我发起《大肥鱼清除计划》！
370
6
自己学习ai，直接买cursor 的套餐，还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器，也来卷办公了！
330
8
day3-如何写出一个高质量的 Skill（组内分享） 高质量 Skill 不是“一个调得很顺的巨型 Prompt”，而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”，再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子，但方法是通用的。 --- 一、先想清楚：Skill 到底是什么 一个 Skill 至少包含四部分： 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做，每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办，而不是硬编一个看似合理的结果 高质量 Skill 的共同点：职责单一、接口清晰、规则可定位、输出可验证。 反例：把几十条经验全塞进一个主 Prompt，改一条规则要重调整个 Prompt，评估时也不知道是哪条规则退化。 --- 二、核心方法：先建评估，再写 Skill 不要先写转换器再补测试。正确顺序是： 1. 定义输出契约：什么算合法、什么算合格； 2. 建金标准集：一小批人工认可“可放行”的样本； 3. 先写评估 Skill：让它在金标准集上跑出基线； 4. 再迭代生成 Skill：每次修改跑同一套评估，无退化且目标维度提升才算正向。 这就是评估驱动开发：评估是 Skill 的单元测试，金标准集是回归锚点。 --- 三、评估 Skill：三层门禁，逐层递进 前一层不过，后一层不跑。每层留可追溯证据。 第 1 层：确定性硬门禁 用解析器、Schema、校验器完成，不消耗模型成本。 · 输出可解析； · 必填字段齐全，类型/枚举合法； · 引用目标存在，无悬空引用、无不可达节点； · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层：语义断言 用脚本 + 结构遍历检查“逻辑对不对”，仍然保持确定性。 通用检查项： · 覆盖率：源材料里的关键步骤、分支、条件，输出里是否都有对应？ · 完整性：每个判断节点是否都有明确出口？有没有死胡同？ · 可达性：每条路径是否都能到达预期终点？有没有无出口循环？ · 顺序与依赖：有先后依赖的操作，是否保留了顺序？有没有被拍平成无序列表？ 例子：故障诊断转换中，检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层：LLM-as-Judge 只处理解析器表达不了的维度：忠实度、完整性、可执行性。 但 Judge 会漂移，不能单独放行，必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化，换模型必须用金标准集重新校准。 通用 Judge 维度： 维度 问什么 忠实度 输出是否忠实源材料意图？有没有自行发明内容？ 完整性 关键步骤、条件、证据是否保留？隐式知识有没有被压成空话？ 收敛性 输出是否仍指向原目标，而不是发散？ 可执行性 下游不依赖源材料能否直接使用？ --- 四、金标准集：回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子，扩到 15～30 份，覆盖失败模式而非随机抽样： · 完整正例：典型流程； · 边界/异常分支：异常路径、循环、前置失败回退； · 已知易错模式：实际踩过的坑； · 留出集：不参与调优，只用于最终验收，防过拟合。 金标准不需要完美，只需要当前标准下认可可放行。 回归指标：关键路径用 pass^k（k 次全过），稳定性用 pass@k。 --- 五、工程约束：让批量产出可重放 · 幂等：同输入 + 同 Skill 版本 + 同规则 → 输出一致，否则无法判断变好是 Skill 改了还是随机波动； · 隔离不阻断：单份失败进隔离队列，记录失败层和原因，不阻塞其余； · 版本绑定：规则、rubric、金标准集进 Git；每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”； · 抽样人工复核：Judge 临界样本 + 易错模式，人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅，写清：输入约定、输出契约、分步流程、硬规则、降级策略； · 经验规则放 references/ 或 rules/，按失败模式分类，不要全塞进主 Prompt； · 不确定时标 needs_review: true，不要硬编看似合理的结果； · 迭代由评估报告驱动：报告告诉你哪层挂了、哪类失败模式，你改对应规则文件，而不是漫无目的调 Prompt。 --- 七、落地顺序（不要反过来） 1. 固化输出契约：Schema + 结构约束； 2. 建金标准集：从已认可的 + 最易出错的样本开始； 3. 先写评估 Skill：跑出基线报告； 4. 再迭代生成 Skill：每次修改对比逐项通过率，无退化且目标提升才算正向； 5. 批量运行 + 隔离回放：失败进队列，结束后人工抽检； 6. 评估 Skill 自身版本化：换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”：每次修改必须附评估报告对比，逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数：前两层挂了，Judge 分数没有意义。 3. 不许把规则堆进主 Prompt：规则按失败模式分文件，评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”，评估 Skill 决定“敢不敢用”。 先让评估体系站稳，再让生成器迭代。这样交付的不是一堆“看起来还行”的产出，而是一套可证明、可回归、可交接的 Skill 质量体系。
310
9
AI 越强，被它拒绝的代价就越大 我有时候会想：AI 越来越厉害之后，有些事情，会不会反而越来越难做？ 这个想法看起来有点矛盾。AI 明明在降低门槛，让不会写代码的人做出软件，让不会画画的人生成图片，让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候，AI 拒绝帮我编写 SQL 注入的请求体，而那还是我有源码、在本地跑测试的情况。那么，往后是否只会更难？ 我们假设某一天，AI 说：「这个请求违规，我不能帮助你。」到那个时候，你还有多少能力，能绕过它，把事情做完？ 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求，以及一件事实际有没有造成伤害，彼此之间并不总是画得上等号。一个请求可能确实危险，也可能只是缺少上下文被误判，或者恰好落在某家公司的限制范围里。 无论是哪种情况，随着我们越来越依赖 AI，这句拒绝都可能变得越来越贵。 今天，一个程序员让 AI 帮忙写代码，AI 拒绝了，他大概率还有别的办法：查文档、找开源项目、问同行，或者自己写。麻烦一点，慢一点，但路还在。 可如果十年之后，大部分程序都由 AI 完成，情况就不一样了。 很多人从接触编程的第一天起，就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品，却未必经历过独立处理底层问题的训练。平时，这种能力结构完全够用，效率甚至更高。只有 AI 拒绝的时候，他们才会发现：平常被省掉的那段学习过程，恰好是此刻最需要的东西。 到那时，一次拒绝的成本，可能就从「今晚多花两个小时」，变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子：往后，连真正理解这类攻击如何发生、能够独立构造测试的人，会不会也越来越少？ 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统，一个经过授权的安全研究员想复现漏洞，假如 AI 识别到危险模式就拒绝，而使用者又只熟悉「让 AI 帮我检查」，这项原本可以独立完成的工作，就这样卡住了。 但是安全专家不会因此消失，但这类技能可能越来越集中在少数人手里。你仍然可以找专家，只是要付出更多的钱、更多的时间，以及更高的沟通成本。 类似的困境，未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据，需要解析它的旧文件格式。AI 判断这涉及规避保护措施，拒绝继续。你拥有这些数据，却没有能力把它们读出来。 你买了一台设备，厂商停止提供服务。你想修改程序让它继续运转，过程中需要处理某种访问限制。AI 不愿协助，而你所掌握的维修方式，早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具，减少重复操作。平台将此归入自动化限制，AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理；未来的使用者，可能连从哪里开始都不知道。 这些例子有一个共同点：当工具同时承担了「执行工作」和「传授知识」的角色，它的拒绝就不只是挡住了一次任务，也挡住了获得这种能力的机会。 更麻烦的是，这种依赖往往是我们主动选择的，而且每一步都很合理。 既然 AI 几秒钟就能做好，为什么还要花几个月学习？既然公司可以采购成熟的 AI 服务，为什么还要养一支负责基础工作的团队？既然市场上已经很少有人手写这些东西，学校为什么还要花大量时间教？ 对个人、公司和学校来说，这些选择都有现实依据。但叠加起来，整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制，我们才发现，备用方案早已在追求效率的过程中被一点点削掉了。 所以，「AI 越强，做事越便宜」可能只描述了未来的一半。 另一半是：被允许的事情越来越便宜，被拒绝的事情依然需要人工完成，却要面对更少的人才、更高的报价，以及越来越难获得的知识。两边的成本差距，会越拉越大。 有人会说，可以换一个模型，或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争，开放模型还足够可用，限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态，以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务，那么「理论上还有别的办法」和「普通人实际用得起、用得明白」，之间仍然可能隔着很远。 我担心的，正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制，有充分的理由。但我们也需要关心：限制由谁定义，误判有没有申诉渠道，用户能不能换工具，以及脱离这个工具之后，还剩下多少独立行动的能力。 保留这些能力，平时看起来甚至有点低效，明明可以自动生成，还要理解原理；明明可以一键完成，还要知道手动怎么做。 但这些看似多余的知识，会在工具拒绝、失效、涨价或改变规则的那一刻，成为真正的选择权。 AI 越强，我们可能越需要留意它说「不」的那一刻。 因为那句话的分量，最终取决于：它拒绝之后，我们还能做什么。
310
10
什么是LLM
300
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题