同一段代码,同一个问题。你说"帮我写",它给你一个方案的草稿。你说"我们继续优化昨天那个方案",它给你一个迭代了三轮的精品。差距不在模型,在你心里它是什么。
每个 WorkBuddy 用户都会在不知不觉中选择一种默认姿态。它藏在你说第一句话的方式里。
你:帮我写一个用户注册接口 WorkBuddy:代码 你:加一下邮箱验证 WorkBuddy:补充代码 你:好了
特征:每一轮都是独立的交易。 你说做什么,它做什么。它不记得上次,不预判下次,不做你没说的事。
你:昨天那个用户注册接口,我们继续—— 上次你说建议加 bcrypt,我没采纳因为想先看基础版本 现在基础版本 OK 了,加上 bcrypt 吧 WorkBuddy:好的,基于昨天的 user_auth.py, 在 register() 中加 bcrypt 哈希,login() 同步更新验证逻辑
特征:每一轮是上一轮的延续。 它知道昨天发生了什么、你为什么做了那个选择、现在为什么改主意。它的回答不只是"执行",是"接着上次的思路继续"。
用一个真实场景看差距——
场景:你让 WorkBuddy 重构一个模块,但方案有并发风险。
维度 | 工具型 WorkBuddy | 养成型 WorkBuddy |
|---|---|---|
反应 | "好的,这是重构代码" | "等一下——你现在的读写不在同一把锁里,上次那个模块因为同类问题丢数据了" |
信息来源 | 你这句话 | 这句话 + 你的事故日志 + 你的编码偏好 |
主动程度 | 执行你说了的 | 提醒你没说的,基于它"知道"的 |
你 | 重构完,上线,两周后崩,排查 3 小时 | 重构前纠正方案,10 分钟搞定 |
同一个模型,两种结果。 区别不在模型本身,在于它有没有"过去的你"作为参考。
工具型协作最大的隐形消耗:每次新对话都是一次"对齐仪式"。
"我们用的是 Python 3.12"——你第 5 次说这句话的时候,已经不愉快了。
养成型协作者不需要你重复背景。它"知道"了,上次知道、上上次也知道。你把精力花在"推进"上,不是花在"复习"上。
我自己最容易忘的不是"该做什么",是"不该做什么"。
上次排查了三个小时才发现的坑,两个月后同样的坑换个模块再来一遍。养成型 WorkBuddy 在你接近陷阱时主动提醒,不是因为它"聪明",是因为你的事故日志在那里,它"读"了。
当你把 WorkBuddy 当工具,每次它"做错了"你心里都有一个潜台词:"我不是说了吗?"
但事实是——你上次确实说了,但上次的对话已经结束了。它没有"跨对话"的上下文,不是你表述不清,是它缺信息。
养成型协作者:它知道你说过,所以不会"忘"。这个差异直接消除了挫折感的头号来源。
不是说一句"我要养它"就完了。三个动作:
# 不是系统提示词,是"我"
# 放在每次对话它能读到的地方
## 我正在做的事
- 主力项目:XX 系统重构
- 当前阶段:数据库层已完,在做 API 层
## 我的偏好(不是规范——是"我习惯这样做")
- 函数不超过 30 行(超过我就想重构)
- 先写核心逻辑,再加异常处理(不是反着来)
- 命名宁可长一点也不缩写(我 3 个月后还要看懂)
## 我最近踩的坑
- 3 天前:用 f-string 拼接 SQL 出了注入风险
- 1 周前:缓存过期时间忘了设,数据脏了两天每次你改了它的方案,不只是说"算了,我改了"。花 15 秒说一句为什么:
你刚才的方案我改了。不是方案不对,是我决定先不做权限分层——
这个模块目前只有一个角色在用,分层是过度设计。
等将来角色多了,再回来加。记一下。这 15 秒看起来是"浪费"。但下次它就不会在类似场景下再推荐权限分层——你说一次"为什么",省了以后的十次"不用"。
养成不只是"告诉它什么对"。它也需要知道"什么路径我们试过但失败了"。
# 放在记忆文件里的"否定信息"
## 试过但不行的方案
- Redis 做主存储 → 数据一致性风险(2026-03 放弃)
- Celery 做异步 → 太重,用内置 BackgroundTasks(2026-04 放弃)
- 前端状态管理用 Redux → 项目规模不需要(2026-05 放弃)每一条都在帮它缩小未来的方案空间。下次它就不会再给你推荐 Celery。你们的协作是从"试错"中长出来的,不是从"指令"中灌进去的。
不是"效率更高"这种量化的东西。
是你某天发现:它在你开口之前就准备好了。它在你说"重构"之前就预判了影响范围。它在你还说不清问题的时候,帮你把问题的边界框了出来。
这不是"变聪明了"。这是它"在你身边待久了"。
工具帮你省力。伙伴帮你想你没想的事。差距就在这。
本文基于与 WorkBuddy 的协作经验撰写。你是"养"派还是"用"派?有没有一个瞬间让你决定"我要好好养它"?评论区聊聊。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。