怎么把 AI 训练成能独当一面的搭档

二十多天前，它写一份工作流文件，我改的地方比它写的还多。现在它能自己把一整件事做完，还能拿出走过的证据。中间没有换模型，也没有换工具，换的是训练方式。

一开始走的是最正统的路线：让 AI 通过平台官方接口去创建应用。三个问题一直解决不了——界面渲染出问题，分不清是参数错了还是平台本身的逻辑；本地不产出任何文件，没法在导入前检查、没法批量生产、更没法做版本管理；复杂一点的工作流在接口方式下搭不出来。想明白之后，把思路从「操作平台」换成「生产文件」，一批实验的产出时间从两三天缩到半天。

但能写不等于写对。它一开始不知道平台上有哪些节点、分不清字段该是字符串还是数组、引用的上游变量根本不存在。转折点是想通一件事：AI 的优势不是创造，是模仿。让它凭空设计一个复杂工作流，它不行；让它模仿一份优秀的样本，可能比人学得还快。

训练方法就此定下来，每一轮走五步：给样本、观察学习（只看不操作，不许动手改数据）、列学习点清单、逐条筛选（只收录实测验证过的）、沉淀进技能库。五步里有三步是人的活——同一个模型交给两个人用，一个人天天喂烂样本、什么都收，另一个人只喂权威样本、只留验证过的，三个月后完全不是一个水平。

二十多天交出的东西：69 个实验、87 份可运行的工作流文件、9 个插件、4 套 MCP 交付包，每一个都带验收报告。更重要的是错误只发生一次——它踩过的坑会沉淀成规则。传统团队里经验会随着人流失，换个人、换个项目就断了；搭档不会。

金句：你缺的不是一个聪明的 AI，是一个你亲手带出来的搭档。

完整文字版见下方文章。