给AiWork 新手的10 个上手技巧

简介: 如果你是第一次使用 AiWork,建议先掌握这 10 个高频技巧。它们能帮助你更快把模糊想法变成可执行任务,让 AI 真正参与到研发、文档、评审和日常协作中。

如果你是第一次使用 AiWork,建议先掌握这 10 个高频技巧。它们能帮助你更快把模糊想法变成可执行任务,让 AI 真正参与到研发、文档、评审和日常协作中。

10 个技巧速览

1.png

注:本案例以AiWork桌面端为工作端。


1. 清晰表达:把需求说成任务

很多新手第一次使用,会直接说:

帮我优化一下这个页面。

这类表达看似省事,但 AiWork 很难判断你想优化什么:性能、样式、交互,还是某个具体 Bug。

更推荐把需求说成一个工程任务,讲清楚三件事:

  • 做什么:目标或问题是什么;
  • 有什么:相关文件、日志、限制条件是什么;
  • 怎么样:期望结果、输出格式、验收方式是什么。

不推荐

帮我优化一下这个页面。

问题是目标不明确。

推荐

请修复用户列表页筛选后分页不重置的问题。
相关文件:src/pages/UserList/index.tsx
现象:第 5 页切换筛选条件后,接口仍请求 pageNum=5。
期望:筛选变化后 pageNum 重置为 1。
限制:不改接口、不改样式,只做最小修改。
验收:补充测试,并输出验证命令。


2. 小步快跑:一次只推进一件事

复杂任务不要一次性全丢,任务越大,越应该拆成几个可确认的小步骤:

  1. 先理解现状;
  2. 再制定方案;
  3. 小范围修改;
  4. 最后验证结果。

这样每一步都能校准方向,发现偏差也更容易及时拉回来。

不推荐

帮我把登录、权限、菜单、接口拦截都重构一下,顺便补测试。

问题是范围太大,风险不可控,也很难 Review。

推荐

第 1 轮:请先阅读登录相关代码,总结当前流程,不要修改。
第 2 轮:列出重构方案、风险点和拟修改文件,等我确认。
第 3 轮:先只修复 Token 过期后没有跳转登录页的问题。
第 4 轮:补充回归测试,并运行相关检查。


3. 多轮调整:第一版不是终版

第一版输出只是起点,不一定就是最终答案。

如果结果不符合预期,不要只说“不行”“重写”。更有效的方式是指出:

  • 哪里不对;
  • 为什么不对;
  • 希望怎么改;
  • 还有哪些限制要补充。

不推荐

更推荐

不对,重写

这个实现改动太大,请只做最小修复

太啰嗦

请压缩到 200 字以内,用列表输出

不像我们项目

请参考现有 UserList.test.tsx 的写法

再专业点

请以资深前端工程师视角重新评估

推荐示例

这个实现改动太大了。请保持现有组件结构,只修复 pageNum 没有重置的问题,不要顺手重构。输出时只说明修改点和验证命令。


4. 先看再改:真实文件任务要控风险

只要任务涉及真实文件、配置、批量替换或外部写入,就不要一上来直接动手。

更稳的方式是:先让它列清单、说明影响范围,再确认是否执行。

风险级别

示例

建议

低风险

读取文件、生成摘要、运行只读检查

可直接执行

中风险

新建文件、批量格式化、移动文件

先列清单

高风险

删除文件、发布上线、推送远端、修改配置

必须人工确认

不推荐

把项目里所有旧接口都替换成新接口。

问题是可能误改无关模块,影响范围不可控。

推荐

请先扫描项目中使用 getUserList 的位置,只列出文件路径、调用位置和可能影响范围,不要修改。等我确认后,再按模块逐个迁移。


5. 设定角色

当任务需要专业判断时,可以给 AiWork 一个明确角色。角色越清楚,它的关注点就越稳定。

场景

推荐角色

需求拆解

产品经理

技术方案

架构师 / 技术负责人

Bug 定位

资深研发工程师

测试补齐

测试工程师

安全检查

安全专家

代码评审

Code Reviewer

不推荐

帮我看看这段代码有没有问题。

问题是关注点太泛,输出容易散。

推荐

请以 Code Reviewer 的视角审查这次改动,重点关注:逻辑缺陷、兼容性风险、性能问题和测试覆盖。请按 Blocker / Major / Minor 分级输出。


6. 提供样例:一个例子胜过十句要求

如果你希望 AiWork 按团队风格输出,最有效的方法不是反复描述“专业一点”“像我们平时那样”,而是直接给它一个已有样例。

样例就是锚点,能更稳定地模仿结构、语气和格式。

不推荐

帮我写得像我们团队平时的测试风格。

“团队风格”太抽象。

推荐

请参考 UserList.test.tsx 中已有用例的组织方式,为“筛选后分页重置”补充测试。要求:使用相同的 render 工具、相同的 mock service 方式,不引入新测试库,用例命名风格保持一致。

适合提供的样例

样例类型

用途

已有代码

保持编码风格

测试用例

保持测试写法

README

保持文档结构

PR 描述

保持提交说明风格

复盘模板

保持业务表达方式


7. 多任务隔离:一个目标一个上下文

长对话里最容易混入过期信息和无关约束。写周报、修 Bug、做 Review、生成文档,最好拆成不同任务。

一个目标对应一个上下文,输出会更稳定。

不推荐

继续在这个会话里,顺便帮我写周报、修 Bug,再 Review 一下代码。

问题是上下文混杂,容易前后约束冲突。

推荐

这是一个新的 Bug 修复任务。背景如下:……
相关文件:……
错误日志:……
请只处理这个 Bug,不要处理周报和 Review。

如果一个会话已经很长,也可以先压缩上下文:

请用 10 条以内总结当前任务:目标、已完成内容、未解决问题、关键限制和下一步计划。


8. 节省 Token:少给噪音,多给线索

节省 Token 不是少说话,而是少给无效信息。

相比粘贴完整项目或完整 CI 日志,更应该提供:

  • 失败命令;
  • 失败用例;
  • 关键错误;
  • 相关文件路径;
  • 期望输出格式。

少做

多做

粘贴完整项目

给相关文件路径

粘贴完整 CI 日志

给失败命令、用例名、关键错误

一个会话聊所有事

一个目标一个任务

反复解释历史

先生成摘要再继续

让它猜格式

给模板或样例

输出长篇解释

要求只给结论、命令、风险

推荐示例

CI 失败,请定位原因。
失败命令:npm test -- UserList
失败用例:should reset pageNum when filter changes
关键日志:Expected 1, received 5
相关文件:src/pages/UserList/index.tsx、src/pages/UserList/UserList.test.tsx
请先分析原因,再做最小修复。


9. 自动化重复工作:规则明确就交给 AI

AiWork 很适合处理重复性高、规则明确、结果可检查的任务,比如:

自动化场景

示例

提交前检查

跑测试、查 console、查敏感信息

周报生成

汇总本周提交和需求进展

文档同步

根据接口变更生成说明

质量巡检

检查 TODO、重复代码、过期依赖

Review 辅助

根据 diff 生成风险清单

但高风险操作不要自动放开,例如删除、发布、推送等,都应该保留人工确认。

不推荐

以后所有事情你都自动处理,改完直接提交。

问题是授权过大,容易出现不可控写入或错误提交。

推荐

请在提交前执行检查:查看本次改动文件、运行相关单测、检查 console.log / 敏感信息 / 无关格式化,并输出 PR 摘要和风险点。注意:只检查和生成摘要,不要提交、推送或发布。


10. 学会“偷懒”:把机械劳动交给 AiWork

真正的提效,不是把所有判断都交给 AI,而是把重复执行交给 AI,把判断和决策留给自己。

这些任务很适合先交给 AiWork 做一版:

  • 测试模板;
  • 日志整理;
  • PR 摘要;
  • 类型生成;
  • 文档初稿;
  • 变更说明。

不推荐

帮我随便写点测试,能过就行。

问题是目标和标准都太低,容易生成无效测试。

推荐

请为 price.ts 生成单元测试,覆盖正常价格、价格为 0、null / undefined、小数精度和非法输入。要求:不修改业务逻辑;如果发现疑似 Bug,先说明原因,等我确认。


最后:推荐上手顺序

如果你刚开始使用,可以按这个顺序练习:

  1. 先学会清晰提需求;
  2. 再学会分步推进;
  3. 通过多轮反馈校准结果;
  4. 用角色和样例提升质量;
  5. 涉及真实改动时先控风险;
  6. 规则明确的重复任务再逐步自动化。

记住这 6 个字:

说清楚,慢慢放。

先把任务、上下文、边界和验收说清楚;等 AiWork 的执行方式稳定后,再逐步把更多重复工作交给它。这样既能提升效率,也能把风险控制在可接受范围内。

相关文章
|
2月前
|
人工智能 前端开发 JavaScript
从 0-1,用AiWork 30分钟搭建一个完整Web应用
我没有写代码,只是把想法告诉 AiWork。30 分钟后,一个能添加、勾选、删除、搜索任务的网页应用,就在浏览器里跑起来了。
|
2月前
|
人工智能 安全 BI
AI Agent量化评估:LLM-as-Judge、人工标注、A/B测试全解,智能体多维评测实践21.0
本文系统阐述AI Agent评估迭代体系,提出“LLM-as-Judge+人工标注+A/B测试”三位一体评测方法,覆盖功能准确性、服务性能、运行安全、成本损耗四大维度,构建数据层—评测层—分析层—迭代层四层架构,实现从离线初筛、精准校准到线上验证的闭环优化,助力Agent从Demo走向企业级稳定落地。
237 3
|
2月前
|
人工智能 API 定位技术
分不清每周出来的新模型和榜单?一文总结所有AI 模型地图:公司、赛道、演进与榜单
本文是一份AI行业全景地图,破除“参数越大越好”“开源必落后”等迷思,以四维坐标系(分层、赛道、角色、阶段)梳理2026年主流模型与技术格局,详解通用对话、推理、Agent、多模态等10大赛道代表模型,并科普各类榜单的测评逻辑与适用场景,助读者建立清醒认知框架。
331 1
|
2月前
|
人工智能 自然语言处理 安全
从模型到应用:企业级Agent平台如何打通AI落地“最后一公里”
2026年,企业级AI智能体迎来规模化落地关键期,但仅17%企业完成部署。瓴羊AgentOne以“大模型×好数据×强场景”为核心,打造可调度、能协同、对结果负责的数字员工矩阵,覆盖营销、客服、分析、运营四大场景,推动AI从“能聊”跃升为“能干、能信、能打”的生产力引擎。
|
2月前
|
Web App开发 人工智能 搜索推荐
千问大模型网页版深度体验:你可能不知道的功能与玩法
千问大模型网页版有哪些好用的功能?本文分享使用技巧与隐藏玩法,帮你充分释放千问大模型的潜力,提升办公和学习效率。
447 0
|
2月前
|
人工智能 关系型数据库 MySQL
10分钟配置MCP,让AI Agent直接查你的MySQL
从"AI Agent怎么访问数据库"这个现实问题出发,梳理Agent连库方式的演进,讲清MCP协议的原理与价值,用MySQL实战演示如何配置一个MCP Server,并给出权限、安全、审计上的注意事项与避坑清单。
|
2月前
|
人工智能 算法 API
千问办公收编三大智能体,跨境电商协同架构的技术实践解析
千问办公整合QoderWork、悟空、MuleRun三大Agent,打通桌面操作、云端算力与内部系统,实现从“AI陪聊”到“AI干活”的跃迁。聚焦跨境电商协同断层,以状态机驱动物流节点、规则引擎保障合规、本地化处理守护数据安全,推动企业级AI真正落地提效。(239字)
|
2月前
|
人工智能 缓存 算法
Qwen3.8‑Max深度解析:全场景智能体基座的技术架构与实战落地指南
在大模型快速迭代的浪潮中,基座模型不再局限于简单问答对话,面向复杂业务、长周期任务、多模态交互的智能体能力,已经成为衡量旗舰大模型实力的核心标尺。Qwen3.8‑Max作为千问系列迄今为止规模最大、综合实力最强的旗舰基座模型,定位**全场景智能体基座**,面向科研开发、企业服务、工程设计、内容创作等多元业务场景,具备独立完成复杂任务、长周期持续执行、原生多模态交互的完整能力,为开发者与企业提供一套端到端的AI解决方案。
199 0
|
2月前
|
人工智能 数据可视化 Linux
桌面办公agent选型方法:个人办公如何选择一款好用的agent工具?
本文探讨如何理性选择办公AI Agent:核心在于“适配而非最优”。先明确需求——要“会说”(出主意)还是“会做”(自动执行任务);再匹配场景——个人高频琐事、长文档分析、流程固化、企业级协同或开源定制;最后真试真用,以实际任务效果为准。避坑关键:不混淆能力类型、不盲目追大厂、不忽视数据归属与系统兼容性。(239字)
160 0