AI辅助工作流里，真正拉开差距的不是模型本身，而是你怎么给它下指令、怎么修正它的输出。宝玉在最新推文中把这件事拆成了两个动作：决策和反馈。

决策负责定方向

任何AI驱动的项目开始之前，必须先有一个清晰的决策来定义目标和参数。这个决策就是AI执行任务的起点。没有它，模型只会给你一堆看起来合理、实际上跑偏的结果。

反馈负责校准质量

从粗略输出走向精细方案，靠的是持续的反馈回路。但不同领域的反馈方式差别很大。编程可以通过自动化测试高效完成——代码跑不通就是跑不通，测试结果即时且客观。

写作就没这么直接了。缺乏可直接衡量的标准，只能靠人工评判来识别缺陷、修正方向。这意味着人的参与和方向指导，对最终质量至关重要。

所以高效AI交互的公式很明确：明确决策加上实时反馈。编程能自动化反馈，写作需要人工引导，两者缺一不可。