第3课：人机协作范式
📍 学习进度：第1阶段 - 认知与方法（3/3）
前置课程：第2课：工具准备
📋 学习目标
学完这一课，你将能够：
- [ ] 解释"思考 → 执行 → 验收"的协作循环
- [ ] 说清楚人类和AI各自负责什么
- [ ] 使用正确的格式向AI描述问题
- [ ] 知道什么时候该打断AI
场景引入
你现在有了一个AI助手（opencode），它听你的指挥。
但是...你应该指挥它做什么？
这就像你雇了一个非常厉害的工人，但你不知道该让他干什么。他会砌墙、会走水电、会刷漆，但你得告诉他：
- 哪里需要墙
- 墙要多高
- 什么颜色
这就是"人机协作"的核心：人类负责思考和决策，AI负责执行。
核心模式：思考 → 执行 → 验收
记住这个循环：
┌─────────────┐
│ 人类思考 │ ← 你要想清楚要什么
└──────┬──────┘
↓
┌─────────────┐
│ AI执行 │ ← AI去实现
└──────┬──────┘
↓
┌─────────────┐
│ 人类验收 │ ← 你判断对不对
└──────┬──────┘
│
│ 不满意？
↓
回到"人类思考"，告诉AI哪里不对这个循环会一直重复，直到你满意为止。
人类做什么？
1. 描述需求
把模糊的想法变成清晰的描述。
模糊的想法："我想做一个二手平台"
↓
清晰的描述："校园二手交易平台，学生可以发布闲置物品、浏览物品、联系卖家"AI需要清晰的信息才能工作。你的描述越清楚，AI越容易理解。
怎么描述才清楚？
- 说清楚是给谁用的（目标用户）
- 说清楚能做什么（核心功能）
- 说清楚长什么样（界面风格）
- 说出你的限制（时间、技术偏好）
2. 做决策
AI会给你选项，你来选。
AI：我可以用 Vue 或 React，你选哪个？
你：Vue 吧，听说比较简单
AI：数据库用 SQLite 还是 MySQL？
你：SQLite，因为是学习项目
AI：界面要什么风格？
你：简洁清新，类似小红书AI不知道你的偏好，你得告诉它。
3. 判断结果（这是你的核心职责）
AI做完后，你必须亲自检查。这是你作为"指挥官"最重要的工作。
检查什么？
- 功能对不对？做了你要求的吗？
- 界面好不好看？符合预期吗？
- 有没有明显的bug？点一遍、试一遍
- 是不是你想要的？不满意就提出来
记住：AI只是执行者，你才是判断者。 AI不会告诉你"我做得不好"，你必须自己发现。
AI做什么？
1. 理解需求
AI会问问题，确保理解你的意思。
你：做一个登录功能
AI：需要支持哪些登录方式？账号密码？手机号？微信？
你：先用账号密码
AI：好的，需要记住登录状态吗？
你：需要
AI：明白了，我来实现这个过程叫"需求澄清"。AI在确认它没理解错。
2. 给出方案
AI会告诉你它打算怎么做。
AI：我计划这样实现登录功能：
1. 创建登录页面，包含用户名和密码输入框
2. 后端接收登录请求，验证用户名密码
3. 验证通过后返回token，前端保存
这个方案可以吗？AI不是直接开始做，而是先说方案。你可以确认或提出修改。
3. 执行实现
方案确认后，AI开始干活。
它会：
- 创建文件
- 写代码
- 安装依赖
- 运行测试
你只需要等它完成。
一个完整的协作案例
让我们看一个真实的例子：实现"发布物品"功能
第1轮：人类思考 → AI执行
你：我需要实现"发布物品"功能，用户能发布自己的闲置物品
AI：好的，我需要确认几个问题：
1. 物品需要哪些信息？（名称、价格、图片、描述？）
2. 图片怎么上传？
3. 需要审核吗？
你：物品要有名称、价格、描述、联系方式。图片先不做，审核也不需要。
AI：明白了。我来实现：
- 创建"发布物品"页面
- 表单包含：名称、价格、描述、联系方式
- 提交后保存到数据库
开始实现...
[创建页面文件]
[创建接口]
[测试]
完成了，你可以试试发布物品。
你：好的，我来试试第2轮：人类验收 → 发现问题
你：页面打开了，但是提交后没反应
AI：我来检查一下... 看到错误了，是接口地址写错了。
已修复，再试试？
你：可以了！但是价格输入框能输入负数，这不对吧？
AI：确实，我来加验证...
[修改代码]
现在只能输入正数了。
你：完美！看到了吗？协作就是一个不断循环的过程：
- 你说需求
- AI实现
- 你检查
- 有问题就改
- 满意为止
如何向AI描述问题
场景
你遇到了一个报错，不知道怎么跟AI说。
错误示范
❌ "代码不跑了" ❌ "报错了" ❌ "运行不了"
这些描述AI没法帮你，因为它不知道发生了什么。
正确做法
1. 截图
- 把报错信息完整截图
- 把相关代码也截进去
- 用红框标出问题位置
2. 描述
用这个格式说清楚：
我在做什么：[描述你的操作] 预期结果：[应该发生什么] 实际结果：[实际发生了什么] 报错信息：[复制粘贴报错]
3. 提问模板
我在做[功能]，遇到了问题：
- 操作：我点击了[按钮]
- 报错：[复制报错信息]
- 代码：[粘贴相关代码]
请帮我看看是什么问题。示例对话
你：我在做登录功能，遇到了问题：
- 操作：我点击"登录"按钮
- 报错：TypeError: Cannot read property 'password' of undefined
- 代码：
const user = users.find(u => u.name === name)
if (user.password === password) { ... }
请帮我看看是什么问题。
AI：我来分析一下...
错误原因：users 数组里没有找到匹配的用户，所以 user 是 undefined，
访问 undefined.password 就报错了。
解决方法：在访问 password 前先判断 user 是否存在：
const user = users.find(u => u.name === name)
if (!user) {
return '用户不存在'
}
if (user.password === password) { ... }
我来帮你修复这个问题。
你：好的，请修复
AI：[修改代码] 已修复，你再试试。
你：可以了！看，问题描述得越清楚，AI越容易帮你找到原因。
AI理解错了怎么办？
这是最常见的情况：你说的和AI理解的不一样。
情况1：你说得不够清楚
你：做一个搜索功能
AI：好的，[做了一个简单的关键词搜索]
你：不是这个意思，我要的是能按价格范围筛选
AI：哦，明白了。我来修改...解决方法：说得更具体。不要只说"搜索"，要说"能按价格范围筛选"。
情况2：AI假设了错误的东西
你：做一个列表页
AI：好的，[做了个10条数据的列表]
你：怎么没有分页？我可能有几百条数据
AI：我默认先做了简单版本。我来加分页...解决方法：明确提出你的要求，不要假设AI知道。
情况3：AI完全理解错了
你：做一个收藏功能
AI：[做了个"收藏到浏览器书签"的功能]
你：不是...我是说用户能在平台里收藏物品
AI：抱歉理解错了，我来重做...解决方法：AI做错了就重新说明。不用担心，AI不会生气。
几条黄金法则
1. 一次只说一件事
❌ "做一个登录页面，还要有注册，然后个人中心也要做"
✅ "先做一个登录页面"一次说太多，AI容易漏掉，你也难以验收。
2. 让AI先说方案
你：我要实现支付功能
AI：我建议这样做...
（列出方案）
你：可以，就按这个来让AI先说方案，你能知道它理解得对不对。
3. 验收要仔细
AI做完后，你要认真测试：
- 点点点，看看有没有报错
- 输入一些极端情况（空的、很长的、特殊字符）
- 想想有没有遗漏的场景
4. 不满意就说出来
❌ （心里想：好像不太对，但算了）
✅ "这个不对，我要的是xxx"你是产品的主人，不满意就要说。
5. 保存进度
每完成一个功能，用 git 保存一下：
你：这个功能好了，帮我提交一下
AI：好的，[git add, git commit]
已保存。这样如果后面改坏了，可以回退。
什么时候该打断AI？
AI在执行时，什么时候该打断它？
应该打断：
- AI在做一个你不需要的功能
- AI的方向明显偏了
- 你发现你的需求变了
不应该打断：
- AI在执行你确认过的方案
- AI在安装依赖（需要时间）
- 只是因为等待有点久
一个"失败"的协作案例
看看这个反面教材：
你：做一个电商网站
AI：好的，我来创建项目... [开始做]
你：（5分钟后）做好了没？
AI：还在做，已经完成了用户模块，正在做商品模块...
你：我要的是简单的，你做这么复杂干嘛？
AI：你没说要多简单...
你：...问题在哪里？
- 需求太模糊（"电商网站"范围太大）
- 没让AI先说方案
- 中途没验收
正确的做法：
你：我想做一个最简单的电商网站，能浏览商品就行
AI：好的，我的理解是：
- 商品列表页
- 商品详情页
- 暂时不需要购物车和支付
对吗？
你：对，先做这两个
AI：好的，开始实现...
[完成列表页]
列表页好了，你先看看？
你：（查看）可以，继续
AI：[完成详情页]
详情页也好了
你：都好了，提交代码吧课后练习
练习：和AI聊聊你的想法
想象你要让AI帮你做一个"待办事项"应用。试着写出：
- 你的需求描述（要清晰）
- 可能会问AI什么问题
- 可能会遇到什么问题，怎么解决
然后真的找 opencode 试试看。
验收标准：
- [ ] 你成功向AI描述了一个想法
- [ ] AI给出了至少3条建议
- [ ] 你理解了AI的建议（能用自己的话复述）
小结
人机协作的本质：
| 人类 | AI |
|---|---|
| 想清楚要什么 | 理解需求 |
| 做决策 | 给出方案 |
| 验收结果 | 执行实现 |
| 提出修改 | 修复问题 |
记住：你是产品的主人，AI是帮你实现的工具。
你需要学会的是：
- 如何清晰描述需求
- 如何做出合理的决策
- 如何判断结果好坏
- 如何有效地提出修改
这些能力，就是"AI协作开发"的核心。
下一阶段
现在你已经理解了：
- ✅ AI时代你的角色变了（第1课）
- ✅ 工具准备好了（第2课）
- ✅ 人机协作的模式（第3课）
接下来，我们要开始真正的项目了。
下一阶段：从想法到需求 - 把"做一个二手平台"这个模糊想法，变成清晰的产品需求。
✅ 理解检查
学完这一章，你能回答这些问题吗？
基础问题（所有人要会）：
- 人类在AI协作中负责什么？AI负责什么？
- 为什么要"亲自验收"？
- 一次说太多需求会有什么问题？
进阶问题（想提升的同学思考）：
- 如果AI理解错了你的需求，你发现了哪些信号？
- 你会如何修正描述让AI重新理解？
- 什么情况下应该打断AI？
挑战问题（试着不问AI）：
- 如果AI给出的方案你不满意，你有哪些策略？
- 如何判断AI是否真正理解了你的意图？
🎯 费曼学习法检验
你能解释这些概念吗？
1. "思考 → 执行 → 验收"循环是什么？
提示：想想协作的基本流程...
参考答案
这是人机协作的核心循环：
- 人类思考：想清楚要什么，描述清楚需求
- AI执行：根据需求写代码、创建文件
- 人类验收：检查做得对不对，有问题就反馈修改
这个循环会一直重复，直到满意为止。
2. 为什么必须亲自验收？
提示：想想AI的特性...
参考答案
因为AI不会告诉你"我做得不好"。AI可能理解错了需求、写了有bug的代码、或者做得不符合你的预期。只有你亲自验收才能发现问题，然后让AI修改。
你能教给别人吗？
教学检验：找一个同学（或对着空气），尝试讲清楚：
- 人类和AI的分工是什么？
- 如何向AI描述一个bug？
- 什么时候应该打断AI？
自测题
第1题：向AI描述问题时，应该包含哪些信息？
A. 只说"报错了" B. 我在做什么、预期结果、实际结果、报错信息 C. 只发截图 D. 只发代码
答案
B - 完整的问题描述应该包含：我在做什么（操作）、预期结果（应该发生什么）、实际结果（实际发生了什么）、报错信息（如果有）。
第2题：以下哪种做法是正确的？
A. 一次说十个需求，让AI一起做 B. 一次只说一个需求，做完验收后再说下一个 C. 让AI自己决定做什么 D. 不验收，相信AI做得对
答案
B - 一次只说一个需求，做完验收后再说下一个。这样更容易发现问题，也更容易让AI理解。
第3题：什么时候应该打断AI？
A. AI在安装依赖时 B. AI在做一个你不需要的功能 C. AI在执行你确认过的方案 D. 等待有点久
答案
B - 当AI在做一个你不需要的功能、方向明显偏了、或者你的需求变了时，应该打断。安装依赖、执行确认过的方案时不应打断。
📚 扩展资源
官方文档
- Prompt Engineering Guide - 关键词：提示词工程、AI沟通
- OpenAI Prompt设计指南 - 英文，权威参考
推荐阅读
- 如何写出好的Prompt - Prompt技巧合集
- AI协作开发最佳实践 - GitHub官方建议
实用工具
- ChatGPT Prompt 模板库 - 各种场景的Prompt参考
- Prompt 编写技巧（少数派） - 搜索"Prompt"获取中文教程
本课关键词
需求描述 验收 迭代 Prompt 人机协作 需求澄清