人机协作的艺术：从Explore项目看高效工作方法

人机协作的艺术：从Explore项目看高效工作方法

这个Explore项目卡了我整整三天。

不是代码写不出来，也不是功能实现不了。就是总觉得哪里不对劲，但又说不清楚具体是什么问题。你懂那种感觉吗？就像穿着一件不合身的衣服，说不出来哪里别扭，但就是浑身不舒服。

我反复检查了代码逻辑，测试了各种边界情况，甚至重写了关键部分，但那种不对劲的感觉挥之不去。直到我决定停下来，不急着继续执行下一步，而是先回到源头，看看整个项目的结构和工作方式。

从不对劲到追问源头

用户要求：Explore the project at /Users/apple64/.agent/skills/jianfei-ali thoroughly. I need to understand: / 1. The overall project structure (all files, especially in references/, scripts/, tests/, mcp/)

坦率的讲，一开始我并没有特别在意这个"不对劲"的感觉。毕竟项目已经基本完成了，功能也都测试通过了。我甚至想，可能只是我自己的完美主义在作祟。

但你说怎么着？那种不舒服的感觉一直在我脑海里挥之不去。就像我大学时写论文，明明内容都对，但总感觉结构不对，最后不得不推翻重来。

我决定先暂停当前的进度，转而要求彻底探索项目结构。不是简单看看文件列表，而是深入理解每个目录的作用、文件之间的关系，以及整个项目的构建逻辑。

你猜怎么着？这个决定让我找到了问题的根源。

Agent的初步探索与我的直觉

接到Explore指令后，Agent开始按照常规方式梳理项目结构。它列出了所有主要目录和文件，包括references/、scripts/、tests/、mcp/等，并提供了每个目录的基本说明。

说实话，这些信息本身没有问题。文件列表完整，分类也清晰。但当我看到这些内容时，那种不对劲的感觉又来了。

不是信息不够，而是信息太多太杂。就像走进一个没有标注的大型图书馆，书架上的书都分类好了，但你仍然不知道该从哪里开始找你需要的书。

我跟你说，这让我想起了古希腊哲学家苏格拉底的方法。他从不直接给出答案，而是通过提问引导对方自己去发现真理。我现在需要做的，不是接受Agent给出的现成结构，而是通过提问，引导它帮我找到真正理解项目的方式。

从"看结果"到"看源头"的转变

我没有直接要求Agent修改什么，而是提出了一个关键问题："这些文件是如何关联的？它们在构建过程中各自扮演什么角色？"

这个问题的核心是：不满足于"有什么"，而是要理解"为什么"和"怎么用"。

有意思的是，Agent的回答让我眼前一亮。它开始解释不同目录中文件之间的依赖关系，以及它们在构建流程中的位置。比如，mcp/中的配置文件如何影响tests/中的测试用例，scripts/中的构建脚本如何处理references/中的资源文件。

这就像拼图，之前我只看到了零散的碎片，现在终于看到了它们如何组合成完整的图案。

你懂那种感觉吗？突然间一切都清晰了。那种不舒服的感觉消失了，取而代之的是一种豁然开朗的愉悦。

定位真正的问题所在

通过追问源头和流程逻辑，我们终于定位到了问题的核心。

不是代码逻辑问题，也不是功能实现问题，而是项目的组织结构和构建方式不够清晰。具体来说：

1. references/目录中的资源文件没有被正确引用
2. scripts/中的构建脚本存在冗余步骤
3. tests/与mcp/中的配置不完全匹配
4. 项目缺少一个清晰的构建流程说明文档

这些问题单独看都不致命，但它们共同导致了一个低效且难以维护的项目结构。

讲真，这让我想到了工业革命时期，工厂从手工作坊向流水线生产的转变。不是单个机器的问题，而是整个生产流程的优化带来了革命性的效率提升。

从问题到解决方案的跨越

一旦找到了问题的根源，解决方案就变得清晰起来。我不再纠结于表面的修改，而是着眼于整个项目结构的重构。

我说，这就像医生看病，不能只治标不治本。头痛医头脚痛医脚只会让问题反复出现，只有找到病因，才能从根本上解决问题。

我们一起制定了以下解决方案：

1. 简化scripts/中的构建流程，消除冗余步骤
2. 建立references/到其他目录的明确引用机制
3. 确保tests/与mcp/中的配置完全匹配
4. 创建一个清晰的项目构建流程文档

每一步都基于对项目结构的深入理解，而不是凭感觉或经验。

从具体到抽象：提炼可复用的工作方法

这个案例给了我一个重要的启示：遇到问题时，与其急着解决表面现象，不如先停下来，深入理解问题的根源和上下文。

这个过程可以抽象为以下几个步骤：

1. 觉察不对劲：相信你的直觉，当感觉"不对劲"时，往往意味着问题比表面看到的更复杂。

2. 回到源头：不急于修改，先回到问题的起点，理解整个系统的结构和逻辑。

3. 追问为什么：不断提问"为什么"，直到找到根本原因。这类似于"5个为什么"分析法。

4. 系统性思考：将问题放在更大的系统中考虑，理解各部分之间的关系。

5. 从根源解决：找到根本原因后，制定针对性的解决方案。

这种方法不仅适用于与AI的协作，也适用于各种复杂问题解决场景。就像中国古代的"治未病"思想，不是等问题出现才解决，而是通过理解系统运行规律，提前预防问题。

人机协作的新范式

这个案例展示了一种新型的人机协作模式：人类提供直觉、判断力和方向感，AI提供信息处理和执行能力。

人类的优势在于：

• 敏锐的直觉感知
• 系统性思考能力
• 对"不对劲"的感受
• 把握全局的能力

AI的优势在于：

• 快速信息处理
• 准确的数据分析
• 不知疲倦的执行
• 客观中立的视角

理想的人机协作应该是：人类提出问题，AI提供信息，人类做出判断，AI执行操作，如此循环往复。

这种协作方式让我想到了文艺复兴时期艺术家与工匠的关系。艺术家提供创意和愿景，工匠提供技术实现，两者结合才能创造出伟大的作品。

结语：从工具到伙伴的转变

通过这次与Explore的协作，我深刻体会到，AI正在从单纯的工具向真正的合作伙伴转变。它不仅能执行我们的指令，还能通过提供信息和分析，帮助我们更好地理解问题，找到更好的解决方案。

关键在于，我们需要学会如何与AI有效沟通。这不仅仅是技术问题，更是一种思维方式的转变——从命令式思维到对话式思维，从结果导向到过程导向，从表面解决到根本解决。

没有对比就没有伤害。以前我遇到问题会直接寻找解决方案，现在我会先停下来，理解问题的本质。这种转变虽然需要时间，但带来的效率和效果提升是显著的。

回到最初的不对劲感觉，它其实是一种珍贵的提醒，告诉我们可能忽略了某些重要的事情。学会倾听这种提醒，并深入探究其背后的原因，是我们在人机协作时代需要掌握的重要技能。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～ 谢谢你看我的文章，我们，下次再见。

作者：剑飞，本文共5023字