给 AI 一个目标，还是给它一串步骤？
TL;DR
比较固定流程和目标驱动两种 AI 编程方式，解释如何根据风险、重复性和探索性决定 Agent 的自由度。
固定步骤适合高风险和重复流程，目标驱动适合需要探索的复杂任务。本文比较两种提示方式，并给出目标、约束、验收条件和人工确认的混合方法。
使用 AI 编程时，有人会把每一步都写死：“先打开这个文件，再复制这段代码，最后运行这条命令。”也有人只说一句：“把这个问题解决掉。”前者可控但容易僵化，后者灵活却可能让 Agent 走错方向。更好的问题不是选择哪一种，而是判断任务应该给出多少步骤、多少目标和多少自由度。
固定步骤适合流程稳定的任务
如果任务有明确的安全顺序，例如备份数据库、执行迁移、检查行数、再切换应用，就应该把关键步骤写清楚。步骤不是为了限制模型思考，而是为了保护不可逆操作。对发布、权限、支付和数据处理，关键门槛必须可见、可确认、可审计。
固定步骤还适合团队希望统一执行的重复工作。比如每次升级依赖都要读取变更日志、运行安全扫描、执行回归测试并生成报告。流程越稳定，越适合固化成脚本或专用 Agent，而不是每次依赖模型临场发挥。
目标驱动适合需要探索的任务
修复一个复杂 Bug、理解遗留代码或调查性能下降，通常不能提前知道所有文件和命令。如果把步骤写得过细，Agent 可能为了遵守表面流程而忽略新发现。此时更适合给出目标、约束、验收条件和不能触碰的边界，让它选择搜索和验证路径。
目标驱动不等于放任。目标必须可观察，例如“让这个页面在三种屏幕宽度下完成新增记录流程，并保留现有接口”，而不是“把体验做得更好”。越清楚的验收条件，Agent 的探索空间越有价值。
一个简单的任务分层
可以把任务分为三类：
| 任务 | 推荐方式 | 原因 |
|---|---|---|
| 高风险、不可逆 | 固定步骤加人工确认 | 防止越过安全门槛 |
| 低风险、重复性强 | 固定流程自动执行 | 减少重复沟通 |
| 复杂、探索性强 | 目标驱动加阶段检查 | 允许根据证据调整路径 |
实际项目里常常是混合方式：先给 Agent 一个总体目标，再规定不可跳过的安全步骤；允许它在每个阶段内自由探索，到了边界就暂停报告。
为什么“目标”需要配合工具
没有搜索、测试、日志和浏览器等反馈，Agent 只能用语言猜测是否完成目标。给它更大的自由度之前，应先确认它能看到真实状态。否则所谓自主探索只是更快地产生假设。
OpenAI 分享的 Symphony 思路强调，成熟的 Agent 工作流更像给团队成员分配目标，而不是把它限制成僵硬的状态机；但这依赖清晰的工具、上下文、评审和恢复机制。目标驱动的前提不是信任模型，而是建立可观察的环境。
普通用户如何写任务
可以采用四段式：目标是什么；不能改变什么；必须验证什么；遇到不确定性如何停下来。这样既不会把所有实现步骤写死，也不会让 Agent 自己决定业务规则和高风险动作。
Vibe Coding 的高级用法，不是让 AI 获得无限自由，而是把自由放在探索阶段，把约束放在真正重要的边界上。
