Claude Code 持续优化：让 AI 越来越好用

你和 AI 的关系不是一次性的——刚开始可能觉得效果还行，但随着你的积累和学习，你会越来越会用，效果也会越来越好。

关键是建立一种”持续优化”的思维，不断改进你使用 AI 的方式。

优化从哪里开始？

记录”不满意”的时刻

每次 AI 给出让你不满意的结果，这就是优化的机会。记录下来：

• 我问了什么？
• AI 给了什么？
• 哪里不对？
• 什么样的回答才是我想要的？

这个记录积累多了，你会发现模式：有些类型的任务经常出问题，这说明你的提示词还有改进空间。

优化的四个方向

方向一：优化提示词

实验 A/B 测试： 同样的任务，用两种不同的提示词，对比哪种效果更好：

[提示词 A] 版本：
"帮我写一篇文章关于时间管理"

[提示词 B] 版本：
"你是一位有 10 年经验的职业效率教练，
目标读者是忙碌的职场新人，
请写一篇关于时间管理的实用文章，
要有 3 个具体可操作的方法，
每个方法配一个真实案例，
800 字左右，语言生动不枯燥"

对比两个输出，分析哪个更接近你的需求，把更好的那个存入模板库。

方向二：升级到更合适的模型

不同任务适合不同的模型。随着你的使用经验增加，你会发现：

• 某些任务用 A 模型效果好
• 某些任务用 B 模型更快

建立你的模型选择表（根据自己经验填写）：

日常简单文字任务：通义千问 Turbo（快+免费）
重要文档撰写：GLM-4 或 Claude Sonnet
代码相关：Claude Sonnet 或 DeepSeek
长文档分析：通义千问 Long
创意内容：（你自己探索最合适的）

方向三：优化工作流程

每隔一段时间回顾你的工作流程：

回顾问题：

• 这个流程有哪些步骤可以减少？
• 哪些步骤 AI 可以帮我做得更好？
• 有没有步骤完全是手动、重复的，可以自动化？

优化示例： 原来的流程：收到数据 → 手动整理 → 发给 AI 分析 → 复制结果 → 手动写报告

优化后：收到数据 → 脚本自动整理 → 自动发给 AI → 自动生成报告草稿 → 人工审核

方向四：扩展新的使用场景

随着对 AI 能力的了解加深，不断探索新的使用场景：

每月问自己一次： “我工作中有没有哪个花时间但感觉低效的任务，是 AI 能帮上忙但我还没试过的？”

常见的被忽视的场景：

• 会议前的资料准备
• 做决策前的信息梳理
• 学习新知识时的总结提炼
• 写 PPT 前的大纲规划
• 解决问题前的方案设计

建立个人”AI 使用日志”

用一个简单的文件记录你的 AI 使用经验：

# AI 使用日志

## 2025-01-15

### 今天的发现
- 发现：给 AI 加上"你是...专家"的角色设定，
  输出质量明显提升，特别是在写专业报告时
- 下次要尝试：在写演讲稿时也加上角色设定

### 好用的提示词（备份）
任务：数据分析摘要
提示词：[粘贴提示词]
效果：8/10，基本满意，下次可以让它多输出一些图表建议

---

## 2025-01-22

### 本周总结
...

这个日志不需要每天写，遇到值得记录的发现就写下来，一个月后回顾你会很有收获。

持续学习的资源

优化不只是自己摸索，也可以从外部学习：

关注哪些内容：

• AI 产品的更新公告（新功能可能解决你的老问题）
• 同行分享的 AI 使用案例
• 专业的提示词工程文章

定期更新认知： AI 行业变化很快，每隔 3 个月了解一下：

• 有没有新的更好的模型可用？
• 你用的工具有没有新功能？
• 有没有更好的工作流程可以学习？

常见问题

Q：如何知道我的提示词已经足够好了？ A：当 AI 给出的结果，你每次只需要做少量修改（不超过 20% 的改动）就能使用，说明提示词已经比较成熟了。

Q：我已经很忙了，没时间”持续优化”怎么办？ A：不需要专门抽时间。每次用完 AI 之后，花 1 分钟想”这次有什么可以改进的”，记下来，积少成多。

Q：优化了很久还是效果不好，是不是某些任务 AI 就是做不好？ A：确实有些任务 AI 不擅长（如需要实时信息、需要深度创意判断的）。这种情况下，接受 AI 作为”辅助”而不是”替代”，把它能做的部分交给它，剩下的自己做。

---

恭喜！你已经完成了第 12 章。接下来，我们进入最后一章——第 13 章，学习如何建立知识库，让 AI 越来越懂你、越来越好用。