先说结论

很多人用 AI 的最大问题，不是提示词写得不够高级，而是把 Agent 当成“随叫随到的天才员工”。结果它一会儿写方案，一会儿改格式，一会儿自我发挥，最后产出看着热闹，真正能交付的东西不多。

所谓 slash command 的价值，不在于斜杠本身，而在于把 AI 工作拆成几个固定关卡：先定需求，再拆计划，再分步生产，再验证，再审稿，最后交付。它本质上是一套“让 Agent 少乱跑”的管理方法。

Agent 需要被分段管理

人做项目有节奏，AI 也一样。

如果你一上来就说“帮我做一个课程方案”“帮我写一篇爆款文章”，Agent 会自动补空白。它会猜用户、猜目标、猜风格、猜边界。猜对了叫惊喜，猜错了就是返工。

更稳的方式是给它一套阶段命令：

/spec：先写清楚要解决什么问题，面向谁，交付物是什么，不做什么。

/plan：把事情拆成步骤，确认先后顺序、风险点和需要人工判断的地方。

/build：只做当前这一块，不要一次性吞完整项目。

/test：用清单、样例、反例去检查，别只问“你觉得可以吗”。

/review：站在用户、老板、运营、交付的角度挑毛病。

/ship：整理成能发布、能交给别人、能复用的最终版本。

如果要补第七个命令，我会加 /learn：项目结束后复盘，把这次踩坑、好用的提示词、判断标准沉淀下来。否则每次都像第一次用 AI。

内容和教育行业怎么套

做内容的人，可以把这套流程用在选题、脚本、公众号、直播课、社群资料上。

比如一篇文章，不要直接让 AI 写。先 /spec：目标读者是谁，是给新手看还是给管理者看，是要涨粉、转化还是建立信任。再 /plan：列出结构，决定先讲痛点还是先给方法。然后 /build：一段一段写，标题、开头、案例、清单分开做。写完 /test：检查有没有空话、有没有可执行动作、有没有过度承诺。最后 /review：看是否像真人说话，是否符合品牌边界，是否能公开发布。

做教育产品也一样。AI 不是直接替你“做课”，而是协助你把课程拆成学员目标、知识点、练习题、反馈标准、交付材料。尤其是公考、职考、技能培训这类场景，最怕 AI 写得很顺，但标准不严。命令化流程能逼它先说明标准，再生成内容。

一张可复制清单

下次用 Agent 前，先复制这 7 句：

  1. /spec：请先确认目标、对象、交付物、限制条件和不做事项。
  2. /plan：请拆成 3 到 7 个步骤，并标出每步产出。
  3. /build：只完成第 X 步，先不要扩展到其他部分。
  4. /test：请按清单检查可用性、准确性、遗漏和风险。
  5. /review：请从目标用户和实际交付角度挑问题。
  6. /ship：请整理成可直接发布或交付的最终版本。
  7. /learn：请总结这次可复用的流程、模板和注意事项。

真正的变化

这套方法的意义，是把“和 AI 聊天”升级成“用 AI 交付”。普通人不需要一上来研究 Agent 架构，也不用迷信某个神级提示词。先把工作流管起来，就能立刻减少返工。

AI 越强，越不能只靠一句模糊指令。你给它边界，它才像助手；你不给边界，它就像一个很会写字、但不知道该负责什么的人。