第2章 人机协同第一课：从提示词到行动循环

本章导读

很多 AI 使用失败，不是因为模型完全没能力，而是因为任务表达不清、上下文混乱、缺少检查标准、没有人工复核。用户只问一句“请协助完成这一任务”，AI 只能根据有限信息猜测。猜对了，看起来很神奇；猜错了，结果就可能空泛、错误或不可用。

真正有效的人机协同不是把任务扔给 AI，而是建立一个可迭代的工作循环：

人提出目标
→ AI 给出计划或草稿
→ 人观察问题并补充约束
→ AI 执行或修改
→ 人复核结果并决定下一步

在智能体研究中，ReAct 是一个重要思想，它把推理与行动结合起来，让模型在任务过程中交替进行行动、观察和调整。学习 ReAct 时，不需要索要 AI 的隐藏思维链，而应采用可见、可记录、可复核的表达方式：

Plan 计划 → Act 行动 → Observe 观察 → Revise 修改

本章实践将完成一个三轮协同任务：从模糊需求开始，让 AI 协助生成一个专业任务草案，再逐步补充约束、检查结果、要求修改，并形成版本记录。

《论语》说：学而不思则罔，思而不学则殆。 与 AI 协同也是如此：只让 AI 输出而不思考，会失去判断；只停留在想法而不行动，也难以改进结果。

学习目标

完成本章学习后，你应达到以下目标：

1. 知识目标：解释提示词（prompt）、上下文（context）、人类在环（human-in-the-loop, HITL）、ReAct 和 Plan/Act/Observe/Revise 行动循环的基本含义。
2. 知识目标：区分单轮聊天式使用 AI 与多轮协同式使用 AI 的差异，理解任务目标、输入资料、约束条件、输出格式和验收标准的作用。
3. 能力目标：使用结构化提示词完成至少三轮协同修改，并记录每轮提示词、AI 输出、人工观察和修改要求。
4. 能力目标：判断 AI 计划或草案是否合理，识别事实不明、风险遗漏、过度承诺和责任不清等问题。
5. 素养目标：在 AI 协同流程中保留人工确认和最终责任，避免上传真实隐私资料或未经授权材料。

先修要求与环境清单

学习本章前，应已经完成第1章的 AI 对话体验，知道 AI 输出需要人工复核。本章暂不要求安装本地模型，也不要求进入 VS Code 智能体环境，重点训练可迁移的人机协同方法。

本章需要准备：

相关内容见表2-1。

表2-1 学习材料与用途

知识准备：先认识这些词

本章会反复使用以下概念：

相关内容见表2-2。

表2-2 核心概念说明

请注意：实践任务使用模拟资料，不上传真实个人隐私、企业内部数据或未经授权的文件。

2.1 问题与现象：为什么单纯聊天不够

单轮聊天的典型问题是：用户给的信息太少，AI 输出看似完整但不一定适合任务。

例如，使用者输入：

帮我做一个校园活动方案。

AI 可能直接生成背景、目标、流程、预算、宣传方案和风险预案，看起来很完整。但它不知道：

• 活动面向谁？
• 场地在哪里？
• 预算是多少？
• 需要多长时间？
• 是否允许使用商业音乐和图片？
• 最终交付物是海报、脚本还是执行流程？

如果不补充这些信息，AI 的回答只是看起来像方案，不一定能真正使用。

协同式使用 AI 的关键是：不要期待 AI 第一次就给出最终答案，而是把 AI 的第一次输出当作草稿，通过观察和修改不断逼近可用结果。

2.2 提示词：任务说明书，而不是固定口令

提示词工程的基础不是背神奇模板，而是把任务说明清楚。一个可执行的提示词通常包含六个部分。

相关内容见表2-3。

表2-3 要素与作用记录表

较弱提示词：

帮我写活动方案。

较强提示词：

请为校园技能节 AI 体验摊位设计一个活动方案。
背景：面向一年级学生，时长2小时，预算不超过300元。
要求：不要编造赞助商，不使用未经授权图片；方案必须包含活动流程、人员分工、物料清单、风险提醒。
输出格式：用表格输出。
验收标准：每项任务要有明确负责人和时间节点。

这不是让提示词变复杂，而是让 AI 更少猜测。

2.3 上下文：AI 本次可以使用的信息

上下文是 AI 本次回答时能够看到的全部信息，包括系统规则、用户问题、上传资料、对话历史、示例和约束条件。

上下文管理有三个基本原则：

2.3.1 相关

只提供与任务有关的信息。无关资料越多，AI 越可能抓不住重点。

2.3.2 清楚

资料要分段、编号、标明来源。重要规则不要埋在长段落中间。

2.3.3 可检查

关键数据、事实和来源要能被人复核。对重要结论，应要求 AI 标注依据。

例如：

资料1：活动时间为周三下午3点到5点。
资料2：预算上限为300元。
资料3：场地为教学楼一楼大厅。
硬性要求：不得使用未经授权的图片或音乐。

这样的上下文比一整段混乱描述更适合 AI 处理。

2.4 从聊天到行动循环：Plan、Act、Observe、Revise

本章采用四步行动循环：

Plan 计划 → Act 行动 → Observe 观察 → Revise 修改

相关思想如图2-1所示。图中把三轮协同看成一条逐步变清晰的轨迹：第一轮让 AI 暴露“它在猜什么”，第二轮用背景和约束缩小范围，第三轮用检查标准和人工确认提高可复核性。

2.4.1 Plan：计划

在开始前，让 AI 先说明它准备怎样完成任务。计划不是最终答案，而是让人检查方向是否正确。

示例提示词：

在正式生成方案前，请先列出你准备如何完成这个任务。不要直接写最终方案。

2.4.2 Act：行动

确认计划后，让 AI 生成草稿、表格、提纲、检查清单或其他低风险结果。

示例提示词：

按照上面的计划，先生成第一版方案。请保持简洁，不要编造没有提供的信息。

2.4.3 Observe：观察

人要检查 AI 输出是否符合目标、是否遗漏约束、是否存在风险。

观察问题包括：

是否基于给定资料？
是否编造事实？
是否格式正确？
是否可执行？
是否有风险遗漏？

2.4.4 Revise：修改

根据观察结果，提出具体修改要求，而不是简单说“重写”。

示例提示词：

请保留第1版中的活动流程，但修改预算部分。预算不得超过300元，并删除所有未说明来源的赞助内容。

这个循环可以重复多次，直到结果达到基本可用。

2.5 ReAct 思想：推理与行动的结合

ReAct 来自 Reasoning and Acting 的组合。它强调模型在任务过程中不只是生成一段回答，而是把判断、行动和观察组织起来：先判断下一步需要做什么，再执行一个动作，再观察结果，再决定后续行动。

使用 AI 协同时，不需要也不应要求 AI 输出冗长的内部思维过程。更合适的做法是让 AI 输出可审查的工作记录：

计划：准备怎样完成任务？
行动：已经生成或调用了什么？
观察：结果中有哪些问题或限制？
修改：下一步怎样改？

也就是说，我们学习 ReAct 的目的，不是模仿 AI 的内部思考，而是建立一种可解释、可控、可迭代的人机协同流程。

ReAct 为什么比单纯聊天更适合复杂任务

可以从三点理解：

1. 可审查：AI 不只是给答案，还留下可见的计划、动作和检查记录。
2. 可控制：人在每一步可以暂停、修改、拒绝或继续。
3. 可迭代：结果不满意时，可以根据观察继续改进。

这比一次性让 AI 输出最终结果更适合真实工作。

2.6 人类在环：责任不能交给 AI

人类在环（human-in-the-loop, HITL）是指在 AI 系统中保留人的判断、确认和干预。它不是降低效率，而是保证安全和责任边界。

在人机协同中，人必须在以下节点介入：

相关内容见表2-4。

表2-4 节点与人要做什么记录表

尤其要理解：AI 可以参与流程，但不能替代责任主体。

AI 协同实践：三轮协同完成一个专业任务草案

实践目标

通过三轮提示词迭代，体验从模糊需求到可执行方案的过程，并记录 AI 与人的分工。

第1步：选择任务

从下列任务中任选一个，或结合自己的专业自拟。

相关内容见表2-5。

表2-5 专业方向与任务示例记录表

第2步：第1轮——模糊需求

输入：

请帮我完成一个任务：____。

记录 AI 输出，并观察问题。

常见问题：

• 太空泛；
• 缺少格式；
• 编造条件；
• 不知道目标人群；
• 没有风险提醒。

第3步：第2轮——补充任务结构

输入：

请重新完成这个任务。
背景：____。
目标对象：____。
限制条件：____。
输出格式：请用表格输出。
要求：不确定的信息写“需要人工确认”，不要编造数据。

记录第二版输出。

第4步：第3轮——加入检查标准

输入：

请检查第二版方案是否满足以下标准：
1. 是否基于我提供的信息；
2. 是否存在编造内容；
3. 是否有明确步骤；
4. 是否有人工确认点；
5. 是否有隐私、版权、安全或责任风险。
请先给出检查表，再给出修改后的第三版。

记录第三版输出。

第5步：填写协同记录表

相关内容见表2-6。

表2-6 三轮协同记录表

第6步：形成最终说明

请写一段 150 字左右说明：

本任务中，AI 主要帮助我完成了……
我主要进行了……方面的干预。
最终结果仍需要人工确认的地方是……

拓展案例：用 ReAct 行动循环修改一份虚拟简历片段

本案例使用虚拟信息，不能使用真实身份证号、手机号、家庭住址和未公开经历。

虚拟资料

专业：电子商务
技能：商品拍摄、基础剪辑、客服沟通、直播助理
经历：参加过校园义卖活动，负责商品介绍和客户问答
目标：申请电商运营助理实习岗位

第1轮：让 AI 生成初稿

请根据下面虚拟资料，生成一段100字左右的简历自我介绍。要求真实自然，不要编造奖项。
资料：……

第2轮：让 AI 检查问题

请检查这段自我介绍是否存在夸大能力、编造经历、空泛表达或隐私风险，并提出修改建议。

第3轮：让 AI 修改

请根据检查意见修改自我介绍。要求语言更具体，但不能编造没有提供的经历。

人工复核

相关内容见表2-7。

表2-7 检查项与是否合格记录表

小组互评：AI 方案是否合理

每组选择一位成员的三轮协同记录进行互评。

评价维度：

相关内容见表2-8。

表2-8 维度与评价问题记录表

互评后，每组写一句改进建议。

验证与证据：证明协同过程可复核

完成本章实践后，不能只提交 AI 的最终答案，还应提交过程证据。过程证据用于说明任务如何从模糊需求逐步变得清晰，人在其中如何检查、修改和承担责任。

相关记录项见表2-9。

表2-9 三轮协同证据清单

伦理、安全与边界

本章实践看起来只是和 AI 对话，但仍然涉及安全边界。

不使用真实隐私资料

简历、护理、客户服务、企业文件等任务，都容易涉及真实信息。练习中应使用虚拟资料或脱敏资料。

不要求 AI 替你承担责任

AI 可以提供建议，但不承担最终责任。简历最终由个人负责，活动方案最终由团队负责，专业判断最终由专业人员负责。

不盲目相信 AI 的计划

AI 生成计划时可能忽略现实条件。例如预算不够、时间不够、人员不足、材料不可获得、操作不安全。人必须检查。

不追求不可审查的内部思维

学习 ReAct 的目的是建立可观察的任务流程，不是要求 AI 展示隐藏思维链。练习时应使用计划、行动、观察、修改这类可审查记录。

作业与反思

思考与自测

1. 提示词通常应包含哪些要素？
2. 上下文为什么会影响 AI 输出？
3. Plan、Act、Observe、Revise 分别表示什么？
4. 为什么说 ReAct 比单轮聊天更适合复杂任务？
5. 人类在环主要体现在哪些节点？
6. 为什么简历练习要使用虚拟资料？

作业1：完成一份 AI 协同任务记录表

选择一个专业任务，完成三轮提示词迭代，并提交记录表。

作业2：写 ReAct 反思日志

题目：

今天 AI 行动了什么？我干预了什么？

要求：

1. 写出 AI 完成的任务；
2. 写出自己在哪些地方修改了提示词；
3. 写出最终结果仍需人工确认的内容；
4. 字数 200—300 字。

作业3：为后续本地智能体学习做准备

回答：

如果 AI 不只是在网页中聊天，而是在 VS Code 中帮助我生成文件、运行程序、检查结果，我应该增加哪些安全规则？

至少写出三条规则。

总结与思考

本章形成了一个关键方法：AI 协同不是一次性提问，而是一个可迭代的行动循环。提示词负责表达任务，上下文负责提供资料，人类在环负责检查边界，行动循环负责持续改进。

一句话概括本章：

会用 AI，不是会提出单次问题，而是会组织一段可检查、可修改、可负责的协同过程。

本章交付物

完成本章学习后，应形成以下材料：

相关内容见表2-10。

表2-10 本章交付物要求