今天看到一篇文章的导读，标题很有意思："你和 AI 写代码之间，差的不是 prompt，是一套工作流"。这句话说到点子上了。
Prompt 的幻觉
很多人刚开始用 AI 编程的时候，都会经历同一个阶段：觉得问题出在 prompt 不够好。今天改一句，明天补两条约束，后天再加点"你是一个资深工程师"的人设。好像多写几行字，AI 就会突然变聪明。
但事实是，AI 编程的瓶颈从来不在 prompt 的措辞，而在你跟 AI 打交道的方式。就像带一个能力强但会跑偏的新人——你不是需要更会"说话"，而是需要一套管理方法。
Vibe Coding 的本质是注意力管理
Karpathy 提出 Vibe Coding 的时候说得很随意：让 AI 凭感觉先写，写错了就把报错贴回去继续试。但放到工程里，这件事远没那么简单。
真正决定 AI 编程质量的，是你能不能管理一个 Agent 的注意力——什么时候给它边界，什么时候给上下文，什么时候该让它停下来，什么时候该开新会话重新聊，什么时候该回头看 diff。
你不是在跟 AI 比谁打字快，你是在学着带一个会干活但也会跑偏的搭档。
从「会用」到「真的会用」
现在 AI 编程已经不是什么新鲜事了。你可能用 Cursor 补过代码，用 Claude 重构过逻辑，甚至用 AI 从零搭过小项目。但从"会用"到"真的会用"，中间的路比很多人想的要长。
差距不在智商，不在经验年限，就在那套工作方式上。有些人用 AI 写出来的东西又快又稳，有些人用同样的工具，写出来的代码自己都不敢碰。
苏米的实践感悟
我自己做自媒体运营，每天也要处理大量脚本——采集、改写、发布、封面生成。最开始也是靠手工作坊式操作：手动跑爬虫、手动改格式、手动上传。后来慢慢意识到，问题不在"我用什么工具"，而在我怎么组织这些工具的协作关系。
当我把整个流程拆成独立的脚本模块，用 Agent 来串联和调度，效果完全不一样了。新增一个发布渠道？改一下脚本就行。换了采集源？Agent 自己适配。这就是我理解的"工作流思维"——把零散操作变成可管理、可迭代的系统。
那普通人该怎么上手？
文章里给了一个很好的建议：别急着把 AI 编程想得太复杂。先装一个能用的 Agent 环境，Claude Code、Cursor、Codex 都行，挑一个顺手的先跑起来。
然后开始练习这几件事：
- 拆任务——别跟 AI 说"帮我做个功能"，把需求写到它能执行的程度。
- 管上下文——AI 不是变笨了，是上下文已经乱了。知道什么时候该开新会话。
- 审结果——AI 生成的代码，每一行都要能看懂。看不懂的不合并。
- 建规范——把反复说的那几句固定话，整理成项目级的规则文件。
写在最后
文章里有句话说得很好："你以前是在写字符，现在是在给 AI 画框。"
这大概就是 AI 编程最本质的转变——从"自己动手写每一行"变成"划定边界、提供上下文、审查结果"。prompt 只是这个过程中的一个工具，真正重要的是你脑海里的那套工作流。
2026年了，AI 编程已经过了"新鲜感"阶段。现在拼的，是谁能更快地从"玩具"走到"工具"，从"会聊两句"走到"能管一个 Agent"。