「先记意图再调模型」工作流:模型调用前全是人类工作
lee_stott · x · 2026-10-15
Devika Toprani 在一场分享中提出「在模型调用前捕获人类意图」的 Human-AI loop 框架:用户先在 Pre-AI Canvas 上尝试并记录意图(打时间戳的 Intent Record),再做差距提问(Gap question)与门控检查,之后才进入 Copilot/模型调用,最后做输出与意图地图的比对审查并写入审计日志。
核心口号是「模型调用左侧的一切都是人类工作」——AI 只在 refine 阶段介入。该流程可落到 Microsoft Copilot 扩展、内部开发者门户或企业 LMS 中,主张用先映射后生成的顺序保证 AI 输出对齐真实需求并留痕可审计。
「编程与Agent」频道最新
- 一周攒点子、并行 10 个 agent 做原型:一人软件工厂工作流 — Stefania_druga · 2026-10-15
- 华为等提出 SwarmRSI:科学 agent 集群实现递归自我改进 — Qianru Meng · 2026-10-15
- 驾驭大规模 Agent 集群要靠价值观与故事化提示词,而非硬规则 — liminal_bardo · 2026-10-15
- 一张图对比瀑布式、敏捷与 AI 开发:Vibe First, Validate Fast — burny_tech · 2026-10-15
- Agent 记忆一年进化:从静态 CLAUDE.md 走到「做梦」 — mcraddock · 2026-10-15
- patio11 初试多智能体开发:明确是未来,推理量将暴涨 — IgorCarron · 2026-10-15