OpenAI把AI当实习生用了3年，开发者发现后集体破防

去年有个数据：GitHub Copilot用户平均每周节省55分钟编码时间。但另一组数据很少被提起——同一批用户里，43%的人表示"AI生成的代码需要大量返工"。

省下的时间，又花在了修BUG上。这不是工具的问题，是使用方法的问题。

把AI当聪明实习生，是大多数人的起手式

作者Ethan Mollick在Wharton商学院带团队做AI实验时，观察到一个反复出现的模式。新手第一次用AI编码助手，会花大量时间打磨提示词（prompt）——写得更长、更结构化、更"专业"。

有时输出完美。有时同样的问题，换个时间问，答案跑偏。

同一套代码库，同一个目标，不同结果。这种不稳定让Mollick意识到：瓶颈不是模型智商，是上下文（context）。

他早期的做法，是把AI当成"记忆力很差的自由职业者"。丢一个任务过去，指望一段精心写的指令能撑完整轮对话。但真实工作里，设计规范重要、SEO规则重要、内容结构重要、本地化惯例重要、早期的小决策也重要。

一段提示词扛不住这些。这不是提示工程（prompt engineering）能解决的。

Agentic工程的本质：不是对话，是环境设计

Mollick后来换了个思路。他不再让AI"建一个网站"，而是设计一套系统：

把模型当引擎，技能（skills）是熟练动作，MCP（模型上下文协议）是对外接口，AGENTS.md是项目手册。四层结构，缺一不可。

技能（skills）解决的是"怎么思考"。它把可重复的专业判断打包，让AI能复用。提示词是临时的，技能是积累的。没有技能，成功取决于"关键时刻有没有想起那句魔法咒语"；有了技能，一次性聪明变成基础设施。

MCP解决的是"能做什么"。这个开放标准让模型连接外部系统——数据库、API、文件系统。模型懂模式，MCP让它触碰现实。没有MCP，AI在隔离环境里推理；有了MCP，建议变成执行。

AGENTS.md解决的是"记得什么"。它是给AI看的README，但比普通README更脏、更实操——记录技术债、记录哪些方案试过但废弃、记录"这个组件别碰，上次改完崩了"。

Mollick的团队在一份AGENTS.md里写过："不要用本地图片，全部走CDN；字体加载用swap策略；那个渐变效果客户说像2003年的PowerPoint，别用。"

没有这份文档，AI每次都要重新"发现"项目。有了它，AI从更高的基线起步。

为什么这套框架现在才成型

2023年到2024年初，行业焦点是模型能力——参数规模、上下文窗口、推理速度。但Mollick指出，当生成变得廉价，差异化向上转移：判断力、约束条件、系统思维。

这个判断和Anthropic CEO Dario Amodei的观点形成呼应。Amodei在2024年底的一次访谈里说，AI产品的护城河不在模型本身，在"围绕模型建立的系统"。

GitHub的Copilot团队也有类似观察。他们内部把AI辅助编码分为三个阶段：第一阶段是"自动补全"，第二阶段是"聊天式协助"，第三阶段是"代理式执行"（agentic execution）。目前大多数用户卡在第二阶段，因为缺少技能层和记忆层的设计。

Mollick的框架提供了一个迁移路径。他不是在否定提示工程，而是把它降级为系统的一个组件。就像开车时，油门重要，但发动机、变速箱、导航系统的配合更重要。

一个被低估的细节：AGENTS.md的"脏数据"

技术文档通常追求整洁、通用、可维护。但AGENTS.md故意反着来。

Mollick记录的内容包括：废弃方案及其原因、客户的奇怪偏好、技术债的具体位置、"这个文件看起来很乱但别重构，下个月要重写"。

这些信息不会出现在正式文档里，但对AI执行任务至关重要。它们代表了项目的"操作现实"（operational reality），而非"设计理想"。

一个有趣的对比：传统软件工程追求"单一事实来源"（single source of truth），而Agentic工程接受"多版本真相"——给AI看的AGENTS.md、给人看的README、给运维看的Runbook，可以不同步，只要各自服务于自己的读者。

这种分裂听起来不优雅，但Mollick认为，追求优雅本身就是 premature optimization（过早优化）。在AI能力快速迭代的阶段，系统设计的核心指标是"稳定输出"，而非"理论完美"。

Mollick最近在一个工作流里测试了这套框架。任务是给一个内容网站做本地化，目标语言12种。以前的做法是写一段详细提示词，让AI批量处理；现在的做法是先定义技能（"如何识别需要本地化的字符串"）、配置MCP（连接翻译记忆库和CMS）、维护AGENTS.md（记录"德语标题要短30%，阿拉伯语从右向左，日语敬语规则看附件"）。

结果：返工率从35%降到7%，且AI开始主动提出优化建议——比如"检测到重复翻译，建议统一术语库"。

这不是模型变聪明了。是上下文变厚了。