延伸实践 · 数读的工具与方法

把讨论里的判断,带到下一次工作中。

当 AI 越来越会执行,人的注意力该放在哪里?《AI Sparks 蒸馏声明》里,我把自己的答案放在目标、上下文、判断、验证和责任上。temper 与 aptum,是我沿着这些问题持续打磨的两个 Skill。

从“会做”到“知道怎样一起做”

《当「会做事」不再稀缺》追问的是:当执行成本下降,什么仍然需要人判断?落到日常工作,它会变成两件很具体的事:怎样让一次试做产生下一轮可用的反馈;怎样把信息交给别人,让他真正理解并接得住。

下面是我的延伸实践。它们与群聊中的问题相呼应,具体设计由我继续维护;这里的介绍不代表所有群成员的共同立场。

阅读《AI Sparks 蒸馏声明》 ↗ · 阅读《当「会做事」不再稀缺》 ↗

TEMPER · 淬炼

让每一轮反馈,都能改变下一轮工作。

如果“先做一版”已经很便宜,关键就变成:拿什么验证?人在哪里参与?发现问题后,究竟改数据、改方法,还是重新确认目标?反复生成答案,并不自动等于持续改进。

temper 把这些关系组织成人与 AI 可以共同执行的工作循环:明确产物与完成条件,安排反馈与验证,让下一轮有依据,也让后来接手的人知道工作走到了哪里。

什么时候用

适合需要持续试验的方法、还要靠 Demo 澄清的需求,以及已经能跑、却不容易重复或交接的工程。一次就能确定完成的简单任务,不必额外搭循环。

可以这样开始

用 temper 帮我组织这个需要反复试验的 AI 任务:每轮拿什么产物给人看,依据什么判断,反馈怎样进入下一轮,什么时候结束?

查看 temper · 说明与安装 ↗

接着读:跑一版,也检验一版。工具的适用范围和使用方式以独立仓库的最新说明为准。

APTUM · 适其人,适其事,适其言

先理解这个人缺什么,再决定怎样解释。

AI 可以把话说得很流畅,却仍然让人接不上:跳过了必要背景,用陌生术语解释陌生术语,或者把关键限制删掉,换来一个看似简洁的结论。

aptum 关注的是表达之前的判断:谁在读,他要理解或完成什么,哪些背景需要补足,哪些事实与边界必须保留。它追求的是降低理解成本,同时保留真实问题的复杂性。

什么时候用

解释陌生机制、向业务同事说明方案、给项目新人交代背景,或把任务交给另一个 Agent。读者和任务不同,解释深度与组织方式也应不同。

可以这样开始

用 aptum 解释这个方案。先说明它实际在做什么、为什么与我的问题有关,再引入必要术语;保留关键条件和还没有验证的部分。

查看 aptum · 说明与安装 ↗

接着读:Aptum:先看对谁说,再决定怎么说。更多用法和可选读者档案说明见项目 README。

带着一个真实问题去试

你可以从眼前的一份难懂方案,或一个反复返工的任务开始。看它是否帮助你理解、做出判断或推进工作,再决定哪些做法值得留下。Skill 的价值也需要在实际使用中检验。

temper 项目 · aptum 项目 · 我的 GitHub

加入观澜

观澜群邀请卡,微信扫码加入,有效期为 2026 年 10 月 1 日前

原图注明 10 月 1 日前有效;能否入群以微信提示为准。