你跟 AI 聊得越虚，AI 干得越离谱：Trae 内置的三个模式专治这个-北京尧图网络

开篇你骂过 AI 吗“帮我整理一下这个资料重点是定价那部分。”这句话你肯定跟 AI 说过。听起来没啥问题对吧然后 AI 开始干活。整理完了你一看——定价那部分是有但你真正想要的是2023 年之后 AI SaaS 产品的定价从按 seat 转按量的那个转折点是啥时候、每家具体怎么转的。AI 整理成了一堆通用的定价模式分类跟你要的完全不是一回事。你骂它。但你有没有想过——你说的话太飘了。“重点是定价那部分”——定价什么哪一部分什么时间范围什么粒度这些你脑子里有但你没说出来。AI 只能按自己的理解干。干出来不是你要的你回头骂它漫无边际它觉得很委屈。这个循环每天都在上演。Trae 其实内置了三个工具专门解决这个虚话转实活的问题——/Plan、/Spec、/Goal。核心逻辑人天生擅长聊虚的固化落地是反人性的你脑子里的想法大概长这样“我想做一篇 AI SaaS 定价的调研……主要是 2023 之后的……转按量定价那个事……每家怎么转的……整理成表格吧……”这些想法是定性的、跳跃的、没有终点的。AI 拿到这个只能按自己的理解往下飘。但这里有一个更根本的问题——这不是你的错。人的大脑天生就是这样运作的我们擅长想概念、聊框架、做跳跃性的关联但让我们自己把这些虚的想法固化成可执行的步骤、可验证的标准、可量化的终点——这是反人性的事。你让自己干这件事你会嫌累、嫌烦、嫌琐碎然后说算了就这样吧结果就是飘着的想法飘着落地不了。Trae 的三个内置模式解决的就是这件事。它不是让你花额外精力去写结构化 prompt——它是让AI 反过来帮你做这件反人性的事你只管跟它聊虚的、飘的、概念性的它用/Plan、/Spec、/Goal这些内置框架帮你把脑子里那些模糊的想法翻译成结构化的、有验收标准的、AI 能直接执行的指令。你不用自己写你只需要审一眼——AI 列的执行清单对不对、AI 写的验收标准行不行、AI 定的边界会不会太宽。这个角色关系很重要不是你被逼着学结构化是 AI 帮你把虚的变实的。/Plan先让 AI 帮你列执行清单你审一眼再跑触发方式对话输入框打/Plan回车。它解决什么你说帮我整理一下 AI SaaS 定价资料——这句话有很多种理解。AI 可能去搜AI 定价的学术论文也可能去爬各家官网的价格页面。你心里想的是后者但你没说。/Plan会让 AI 先停下来帮你列一个执行清单——它打算按什么思路做、分几步、每步产出什么然后存成plan.md给你审。你觉得对就点头不对就改或者直接说第二步不要做换成 ×××。它怎么帮你翻译AI 生成 plan.md 时会把你模糊的需求强制拆成可操作的步骤。比如你只说了整理定价资料AI 可能列1. 从资料夹里 50 个文件中识别定价相关段落 2. 提取每家公司的定价模式按 seat / 按量 / 混合 3. 记录定价数字区间或单点 4. 标注定价变化日期从按 seat 转按量的时间点 5. 整理成 CSV 表格这时候你一眼就能看出来——AI 做的是不是你想要的那个版本。方向不对你现在改比做完了再骂再重来成本低一万倍。什么时候用任务中等复杂度你大概知道分几步但不想自己动笔写步骤——让 AI 帮你列你审。典型场景批量整理资料、改一批文件、修一组相关的 bug。/Spec大任务先对齐三件事——大纲、任务列表、验收清单触发方式对话输入框打/Spec回车。它解决什么当你的任务大到直接列 plan.md 都列不全的时候——比如你想写一本关于 AI 工具的小册子10 章、3 万字或者想做一个跨团队的调研项目。直接开干大概率是写到第 6 章发现第 2 章的方向偏了、第 9 章和第 3 章冲突。/Spec会让 AI 生成三份文档帮你先对齐、再执行文件翻译什么spec.md你脑子里的整体思路 → 结构化大纲章节怎么分、核心观点是什么、关键决策有哪些tasks.md大纲 → 可执行的子任务列表checklist.md模糊的做完 → 一条条可验证的完成标准三份文档都存成项目文件AI 生成之后暂停等你确认——你可以直接编辑文件也可以用自然语言说checklist 里加一条 ×××。它怎么帮你翻译最关键的是 checklist.md。你脑子里想的每章要有用例AI 会翻译成checklist 示例小册子第 3 章 □ 包含至少 3 个真实的 AI 工具使用场景 □ 每个场景标注了工具名称、版本号、使用日期 □ 场景描述控制在 500 字以内 □ 包含一个对比表列出 3 个工具的优劣势这东西不是给 AI 自己看的——这是你验收的唯一依据。写完就勾勾完就过不会出现AI 觉得差不多了但你觉得不够的矛盾。什么时候用任务大、涉及多人协作、或者你自己都说不清具体分几步的时候。典型场景从零搭一个系统、写一本书/白皮书、多人协作的大型调研。/Goal把我要搞定这件事翻译成做完标准让 AI 自己跑到终点触发方式对话输入框打/goal回车。它解决什么你说整理一下定价资料——AI 整理到一半觉得差不多了就宣布完成或者漫无目的地搜了一堆你不关心的东西。你中间得不断喊继续“不是那个方向”“这个不要”。你变成了那个不停催进度的项目经理。/Goal会让你把我要搞定这件事翻译成两件事可验证的完成标准until客观存在的、能被检验的终点——不是整理完定价资料是CSV 文件生成完毕每一行数据都能在源文件中找到原文出处不能碰的边界withoutAI 自主执行时容易顺手干的事——比如不修改资料夹里任何原文件写好这两件事扔给 AI你就不用喊继续了。AI 每做完一轮自己检查有没有到终点——没到就继续推进到了就停。中间你可以随时/goal不带参数查状态失控了就/goal clear终止。它怎么帮你翻译你脑子里想的整理定价资料AI 帮你翻译成/goal 从资料夹 50 个文件中提取 AI 产品定价信息整理成 CSV until CSV 生成完毕每行数据都有原文出处 without 不修改资料夹里任何原文件注意until 后面必须是可客观验证的东西——“CSV 生成了”、“每行都能找到出处”不是定价资料整理得很好。后者 AI 自己没法判断前者可以。什么时候用任务需要 AI 自己循环推进好多轮、或者你没空盯着的时候。典型场景批量挖资料、持续排查问题、连续执行一组关联任务。三者配合使用的场景一个完整例子假设你要做一个AI SaaS 产品定价策略调研的长期项目涉及 50 个源文件、3 万多字的调研报告。你可以这样用第一步先对齐方向/Spec/Spec我要做一个 AI SaaS 定价策略的调研范围是 2023-2026 的主流产品输出一份 8000 字的调研报告一张对比表AI 生成 spec.md调研大纲 tasks.md拆成收集资料、整理表格、写报告三个大阶段 checklist.md每阶段的完成标准。你审完ok。第二步每个大阶段里用 /Plan/Plan先执行 tasks.md 里的第一阶段——收集资料AI 列具体的收集步骤你审一眼okAI 开始跑。第三步最枯燥的环节用 /Goal/goal从收集到的 50 个文件里提取定价信息整理成 CSVuntil CSV 生成完毕每行都有原文出处without 不修改原文件扔给 AI你干别的去。AI 自己跑到终点CSV 出来了你查一眼 checklistok。第四步写报告阶段再用 /Plan 写大纲再执行这样一轮下来你几乎没骂过 AI——因为每一步都是先对齐、后执行、有验收。AI 不用猜你想要什么你不用骂 AI 干得飘。最后Trae 这三个内置模式最深的意义其实不是帮你写 prompt或者帮你拆任务——是它读懂了人和 AI 各自擅长什么、不擅长什么。人擅长想虚的、聊飘的、出概念、做跳跃性的关联。让自己把这些虚的东西一条条固化成可执行的步骤、可验证的标准累、烦、反人性。AI 刚好反过来——它不擅长想虚的给它一个模糊的方向它会漫天乱飘但它特别擅长把虚的东西一步步掰实把整理一下拆成 5 步执行清单把每章要有用例写成带勾框的 checklist把搞定这件事翻译成可验证的终点和不能碰的边界。Trae 就是让这两者互补你负责想、负责聊、负责出概念AI 负责帮你固化、帮你拆解、帮你量化。你不用自己逼自己写结构化 prompt——让 AI 来逼你其实是帮你把脑子里那些飘着的想法落地。你跟 AI 聊得越虚AI 干得越离谱——这个问题的根因是你把 AI 当成了直接干活的工具人而不是帮你把虚变实的翻译器。换一个关系用对工具循环就破了。

你跟 AI 聊得越虚，AI 干得越离谱：Trae 内置的三个模式专治这个

相关推荐

商业模式到底在赚什么钱：从供应链、注意力到沉没成本

实践 Agent 全栈开发：从 MCP 工具、Skill 体系到 AI 应用端到端交付

train-sentence-transformers - evaluators_sentence_transformer

更多资讯

鸿业市政道路软件避坑指南：版本匹配、横断面与土方计算常见问题

超级多智能体架构实战：DeepAgents编排、MCP工具接入与A2A通信

hindsight：面向LLM应用的事后可观测性工程实践

多智能体集群实战：DeepAgents编排、MCP与A2A协议及Skills体系

Jev+Agent接管浏览器：browser-use实战与jev-ultrafast性能优化

QuickBlue：企业AI应用底座，打通模型到业务落地的最后一公里

今日更新

本周精选

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？