2026.07.04
我调了一周 prompt 把团队用崩了——过拟合到 5 个测试 case，prod 全军覆没
Trainer 模式的承诺是「调好一次、复用一年」。我调了一周，A/B 测试 5 个 case 全过——然后 prod 80% 的请求都翻车。我调的是测试，不是模型。
分类
实战手记
真实项目全流程：截图、token 账单、踩坑、决策点
2026.07.04
我和 agent 一起想了 3 周商业方向，最后方向还是错的——因为我让它同意了
Co-thinker 模式的承诺是「不分主从、一起想」。但我用错了：我以为 agent 在「反驳我」，其实它在「顺着我说」。3 周后我自信满满地做了一个已经过时的决策。
2026.07.04
我监督 agent 改后端，3 处关键决策我都没盯住，最后 prod 挂了 4 小时
Supervisor 模式的承诺是「90% 放手 + 10% 关键点介入」。我放了 90%——但我把 10% 全压在了「agent 主动报告」上。agent 不报，我也没问。
2026.07.04
我用对话型写了一篇 5 万字废话稿，最后 3 万字是 agent 编的
对话型是「聊深」的工具，不是「聊长」的工具。我以为聊得越多稿子越厚，结果——对话漂移 + agent 编事实 = 5 万字废稿。
2026.07.04
我用 Commander 跑了 1 周批量改稿，客户第 8 天解约
5 段 brief 写得很漂亮，agent 也按部就班跑完了——但客户根本不是要「批量改」。Commander 在「目标清晰但前提错了」的活上不报警，只加速。
2026.06.28
Co-thinker 不是写作助手，是我想清商业模式的陪练
怪招本 v2 是 3 篇手记。v3 要不要扩成 26 页完整类型志？我自己定不下，用 Co-thinker 反问 5 轮——结果它把我的 4 个前提都推翻了，最后我做了相反的决定。Co-thinker 模式的核心不是 prompt，是接受反驳。
2026.06.28
我用 Supervisor 把多 agent 编排失败率从 40% 砍到 8%
怪招本 v3 改版时，让一个 reviewer agent 检查 25 篇文章骨架的一致性。第一版失败率 40%，调了 3 处 review 标准后砍到 8%。Supervisor 模式的核心不是 prompt，是 review 标准的颗粒度。
2026.06.28
让 Conversationalist 当 30 天私人编辑器，我删了 70% 的开头
番茄投稿稿第一版 4200 字，反问 5 轮后剩 1280 字。这不是 AI 写的，是我写的——AI 只是反问。Conversationalist 模式的核心不是 prompt，是节奏。
2026.06.28
我把怪招本 v3 改版拆成 26 段 brief，让 Commander 跑了 4 小时
5 个 type、5 张 SVG、5 色 accent、26 页结构——一次改版。Commander 模式在内容工厂里怎么跑，怎么设验收，怎么留 audit，全在。
2026.06.28
我用 Trainer 模式给团队做 prompt 培训，复购率涨了 3 倍
怪招本的 5 篇偏方手记火了之后，团队让我做一次内部分享。我用 Trainer 模式（AI 设计大纲 + 出题 + 评分），把 90 分钟的分享变成了 4 周的培训计划。Trainer 模式的核心不是教学，是**评估标准的颗粒度**。
2026.06.21
用 agent 接管 Discord 频道 30 天：一份诚实的复盘
Mavis 替我管一个 1200 人 Discord 频道 30 天。结果：参与度 +18%，但 1 次严重翻车。完整数据 + 教训。
2026.06.21
跟 agent 一起写小说细纲：30 轮对话实录
为《妖管局》第 47 章的细纲。我跟 Mavis 走了 30 轮，最后的产物跟我最初的想法完全不一样。这是过程。
2026.06.21
Tool use 嵌套失败的 4 种回滚模式
3 层 tool nesting 翻车率 28%。我把生产环境的 4 种典型 case 整理出来，每种配可复制的回滚代码。
2026.06.21
Cron 自我提醒：让 Mavis 跑 4 小时不散
Mavis 跑长任务最大的坑是 session 中断：网络抖、用户离开、模型 rate limit。8 行 bash + 一个 cron entry 解决。
2026.06.21
我用 Mavis 4 小时搭完一个咖啡博客站，过程全在
MOCHA MILE，一个咖啡城市的虚构杂志。我把任务丢给 Mavis，然后看着它把 6 张 AI 假店照换成 12 张真店照、跑 Playwright 验证、踩了 3 个网络层的坑。这是完整时间线。