给AI分工位：解决上下文混乱的实践方法

在使用AI辅助工作的过程中，许多人都会遇到一个共同困扰：AI越用越混乱。表面上看，我们似乎已经按项目或主题建立了不同的对话窗口，但真实工作场景远比这复杂得多——同一个项目内部，往往同时涉及需求分析、代码开发、文档撰写、测试验证等多种性质截然不同的工作内容。当这些任务被塞进同一个对话窗口时，AI的上下文理解能力就会逐渐衰退，导致输出质量不稳定。

问题根源：工位上挤满了太多人

这背后的根本原因并不复杂。我们可以做一个形象的类比：这就像让开发工程师、测试工程师、项目经理、文案编辑、顾问等不同岗位的人全部挤在同一个工位上工作。每个人关注的重点、使用的语言、处理问题的方式都完全不同，硬把他们放在一起，其结果必然是效率低下、相互干扰。现实中，没有哪家公司会这样安排工作空间，但我们在使用AI时却常常不自觉地陷入这种困境。

解决思路：建立AI工作站位体系

针对这一问题，一个实用且易于实施的方法是为AI建立不同的工作站位。这里需要特别说明的是，"工位"并非指给AI赋予某种人格特征，而是指为不同类型的工作创建独立的上下文入口。一个典型的工作站位体系可以包括：写作工位负责内容输出和素材整理，规划工位负责目标拆解和任务安排，开发工位负责代码实现和技术问题处理，测试工位负责验证检查和风险评估，顾问工位负责方案分析和专业建议。

工位的核心：差异化的上下文设计

真正区分不同工位的不是名称本身，而是每个工位所承载的上下文内容。以写作为例，当进入写作工位时，AI首先读取的是素材库、历史文章、内容风格指南、目标用户画像等信息；而进入开发工位时，AI看到的则是需求说明文档、问题记录、开发计划、技术文档和当前任务状态。这种差异化的上下文设计，使得AI能够快速进入正确的"工作模式"，而非每次都要从头理解任务背景。

实施要点与注意事项

需要强调的是，这套方法并非要构建一套复杂的Agent系统。在实际应用中，我们完全可以借助Claude Code、Codex等工具，通过Markdown文档和文件夹结构来组织不同工位的内容。人的角色是切换任务、控制方向、验收结果，AI则负责读取上下文、执行具体动作、整理记录、协助推进。此外，不同AI工具也天然适合不同的工位职责——比如Codex更适合写作和规划类任务，而Claude Code在开发和测试场景中表现更稳定。

如有侵权，请联系删除。