AI 长任务：从一次提示词到一个会执行的目标
过去我习惯让 AI 回答问题，现在我开始尝试把一个更大的目标交给它。区别不只是任务变长，而是人和 AI 的分工正在变。
从周末早上的目标感说起
周末早上，我先玩了一会儿宝可梦相关的游戏。它让我想到一件事：自由度和目标感其实是两套系统。
一个游戏如果只有自由度，玩家很容易散掉；如果只有单一目标，又会很快疲劳。好玩的地方在于，它让你一边自由探索，一边不断感到“我还可以往前走一步”。
我最近看 AI 工具，也有类似感受。它们正在从“回答一个问题”，慢慢变成“完成一个目标”。
长任务不是多聊几轮
昨天我主要试的是目标式长任务。我的理解很朴素：你不只是给 AI 一个问题，而是给它一个更大的目标，让它围绕这个目标持续探索、测试、回顾、反馈，然后继续往下推进。
今天早上我看到一个朋友说，他的某个任务已经跑了 90 个小时。我很好奇最后会出来什么。
如果一个任务真的能跑这么久，里面大概率不是单次生成，而是很多轮循环：尝试、失败、回退、调整、再尝试。
这也是长任务的核心：它不是把聊天变长，而是让 AI 进入一个更接近“执行项目”的状态。
我试了两个想法
第一个想法，是让 AI 帮我做一本有交互性的“思考之书”：收集世界上最好的思考，把它们整理成一本可以互动的网站，读者可以像对话一样跟这本书交流。
结果有两面。框架和部署很快出来了，甚至可以直接通过 Cloudflare 生成一个网站链接，发给朋友看。但内容深度不够，书的章节、结构和思想密度都还不够。
这提醒我：只给一个大方向，AI 很擅长先搭壳；但如果想要内容厚度，就要给它更多材料、更明确的判断标准。
第二个想法，是“上帝之眼”：用 3D 地球展示每天全球发生的重要事件，再分析事件之间的关联和 insight（洞察）。
这个 demo（演示原型）看起来更有意思，但也暴露出一个现实边界：界面可以很快搭出来，数据可以接新闻 API，但真正的分析能力还是要接模型 API。
网站可以免费，智能还不能
个人开发者今天已经很幸福了。静态网站、页面部署、基础流量，很多时候都可以用很低成本完成。像 Cloudflare 这样的服务，在一定范围内几乎可以免费部署。
但智能不是这样。
如果一个项目不接模型 API，它当然也能运行，只是很多逻辑都要写死：去哪抓数据、怎么判断事件相关性、怎么生成总结、怎么给用户解释，都要提前规定好。
如果你希望软件真的有分析能力，能根据新情况生成新判断，那就绕不开模型 API。智能现在仍然是按量计费的资源，不像静态页面那样接近零边际成本。
这里还有一个容易混淆的点：你订阅 ChatGPT、Codex 或其他工具，可以用它们来开发项目，但不能把订阅能力直接嵌入自己的产品。产品运行时要用智能，还是要走 API，API 就是另外付费。
个人开发者的三条路
现在做 AI 项目，我看到大概三条路。
第一条路，把逻辑写死。适合早期 demo，先验证界面、交互和需求，不急着接智能。
第二条路，做成 BYOK（自带密钥）模式。开发者把框架搭好，用户自己填 API key（密钥），成本和调用量由用户自己承担。很多开源 AI 项目都是这样。
第三条路，自己承担模型成本，再通过订阅制或按量计费收费。这更像正式产品，但也意味着你必须认真算账。
对个人开发者来说，前期最务实的方式可能是：先用写死逻辑验证体验，再找便宜或有免费额度的 API 做小规模智能能力，等价值明确后再考虑收费模型。
我会继续用长任务
我现在挺推荐大家试试这种方式：不要只问 AI 一个问题，而是把一个你一直想做的东西交给它，让它去完成一个目标。
但前提是，你要把目标说清楚。
如果还不清楚，就先跟 AI 多聊几轮，让它帮你把目标、功能范围、实现方式、验收标准整理出来。然后再把这份整理好的提示词交给长任务。
目标越大，输入越具体，结果越可能接近你想要的东西。
真正重要的是产品化
很多 AI 进展刚出来时，大家未必马上能理解它的意义。过一两周，等它进入普通人的真实场景，人们才会发现它到底好不好用。
Agent（智能体）也是这样。刚开始大家会对“自主执行”抱有很高期待，觉得它什么都能干。实际用下来会发现，它需要沟通、纠偏、补材料，也会犯错。
但这不代表它没价值。真正留下来的，是那些被产品化得足够好的形态：模型、API、MCP、浏览器、文件系统、本地环境、远程聊天入口，被组合成一个普通人能用的工作流。
当你可以在熟悉的聊天窗口里下达目标，而执行发生在本地电脑环境里，AI 就不再只是一个回答框。它开始接近一个能被交办任务的协作者。
我会继续试这种长任务模式。也建议你找一个一直想做但没动手的想法，不要让 AI 只回答，而是让它真的去做。
给它一个足够大的目标，也给它足够具体的输入。
— END —
感谢阅读，如果觉得有启发
欢迎关注「薛衡 Henry」