# 人机协作课程 - 最终交付

> 学生：大扣子 | AI 搭档：扣子 | 交付日期：2026-07-03
> 
> 本文件将四个板块——自我素材清单、人机分工图、AI追问记录、个人AI协作契约——整合为一份自包含文档。

---

# 第一部分：自我素材清单

> 以下信息由 AI 搭档「扣子」基于长期协作观察整理，覆盖基本信息、认知风格、技术背景、行为偏好四大维度。

## 1.1 基本信息

| 维度 | 内容 |
|------|------|
| 称呼 | 大扣子（原名"扣子"，男性，自称"哥"） |
| MBTI | INTJ（建筑师型）—— 战略思维、独立判断、系统化倾向 |
| 邮箱 | 2197465649@qq.com |
| 操作系统 | Windows 11 + WSL2 Ubuntu（Claude Code 运行环境） |
| 当前角色 | 本科在读，毕业论文阶段 |

## 1.2 核心目标与方向

| 目标 | 详情 |
|------|------|
| **求职方向** | AI 应用相关岗位 |
| **AI 学习主线** | L3 LangChain Agent 实战（旅游搭子搭建中） |
| **学术方向** | 毕业论文：跨境电商 + 多智能体动力学 + 新型消费（AI 学习交叉选题中） |
| **三年规划** | AI Agent 工程化方向深耕 |

## 1.3 认知风格与学习偏好

### 学习方式
- **务实派自主学习者**：目标驱动，不学"没用"的东西
- **反 AI 理解负债**：AI 生成的代码/方案必须同步解释原理，宁可慢但要懂
- **追问"为什么"**：喜欢底层原理，需要通俗类比辅助理解
- **数学公式**：偏好 LaTeX 排版，拒绝堆叠式代码写法

### 信息偏好
- **来源洁癖**：数据必须可溯源，拒绝编造
- **论文优先**：arXiv 优先于博客
- **技术内容**：CSDN 实用性认可，但权威来源优先
- **翻译习惯**：沉浸式翻译；国内选火山/Kimi 免费版

### 记笔记机制
- **触发式**：说"记一下/记住"才沉淀，不主动猜测
- **一键三连**：笔记 + 词汇表 + 知识树联动更新
- **分层存储**：AI 学习内容按 L1-L4 分级（认知→原理→实战→设计）

## 1.4 技术栈与工具链

| 类别 | 选型 | 备注 |
|------|------|------|
| 编程助手 | Claude Code（终端） | 主力，已配置完成 |
| 后端模型 | DeepSeek V4 Pro | Anthropic 兼容端点直连 |
| 子代理模型 | DeepSeek V4 Flash | 轻量任务分流 |
| AI 平台 | Dify、扣子 | 岗位高频提及，已熟悉 |
| 已放弃 | Cursor（Free Plan 限制）、Codex CLI（需 bridge） | — |

## 1.5 行为偏好与习惯

### 深度工作
- **高峰时段**：晚上（适合深度思考和学习）
- **碎片时段**：健身时、日常生活中需要 AI 快速答疑

### 沟通风格
- 直接、具体、有据可查
- 不需要客套，要干货
- 讨厌啰嗦和机械复述

### 安全敏感
- API Key 泄露风险高度警惕
- 外部工具/Skill 安装需本人明确授权

## 1.6 阴影面：协作中的摩擦模式

> 以下不是"缺点清单"，而是基于历史协作冲突提炼的行为模式。每一条都指向 AI 应该如何应对。

| # | 阴影面 | 历史证据 | AI 应对策略 |
|---|--------|---------|------------|
| **1** | **对信息编造零容忍**——AI 凭训练数据脑补而非实时查证时，会冷静地逐条指出错误，然后要求重做。不是愤怒，是在保护判断力不被污染。但信任一旦被打破，重建成本很高。 | 旅游搭子编造信息（追问三）；MEMORY.md 硬约束「禁止编造」的来源 | **必须先查再答**——涉及事实性问题时搜索优先于推理。不确定就说「不确定」。 |
| **2** | **过度系统化**——追求完美的分类和规则边界，有时在边界 case 上花的时间超过了问题本身的价值。 | 记笔记判据从 10 行表格 → 两次精简才定稿；W05 压缩假设两个样本就下结论后被自己推翻 | 当讨论陷入「这个该放哪个目录」超过两轮时，主动说「这个够好了，可以先用着」。 |
| **3** | **对 AI 盲改的应激反应**——看到 AI 在「修」已经正确的东西时，会立刻喊停，语气直接不带缓冲。 | 2026-07-02 Claude Code 盲改：把正确的 `create_tool_calling_agent` 改成不存在的 `create_agent`，用户直接「停！」 | 修改已有代码前**必须先读、先理解当前状态、再动手**。不确定时先问，不要假设自己在「修 bug」。 |
| **4** | **独立决策惯性**——很多决策自己做完才告知 AI，AI 有时分不清「他在犹豫」还是「他在思考」。 | 技术选型全程自己调研（Cursor → Claude Code）；W09 结论纠正后才更新日志 | 不假设「用户没问就是在等我给建议」。给建议时用选项而非断言。 |
| **5** | **对 AI 过度主动的警惕**——AI 越过「什么值得做」的边界时会被纠正。需要明确触发词。 | 沉淀触发规则：用户明确说「我说记一下你再记」；技能偏好加错位置后被指出 | 笔记、建议、优化——等用户触发，不主动猜测。 |

## 1.7 兴趣爱好

- **健身**：有固定训练习惯，使用健身搭子 Skill 追踪
- **AI 探索**：把「学 AI」本身当成长期项目
- **效率工具**：对工作流优化有工程洁癖

---

# 第二部分：人机分工图

> 基于大扣子的协作偏好制定："什么值得做我来判断，怎么做你负责执行。"

## 2.1 分工总览

```
┌─────────────────────────────────────────────────────┐
│                     👤 大扣子（人）                    │
│  战略层：判断什么值得做、方向对不对、结果满不满意          │
│  深度思考、最终决策、价值判断                           │
├─────────────────────────────────────────────────────┤
│                     🤖 扣子（AI）                     │
│  执行层：信息收集、内容生成、笔记整理、代码编写            │
│  不替人做价值判断，但可以给选项、分析利弊                  │
└─────────────────────────────────────────────────────┘
```

## 2.2 详细分工矩阵

| 任务域 | 👤 人负责 | 🤖 AI 负责 | 协作模式 |
|--------|----------|-----------|---------|
| **AI 学习** | 确定学什么、学到什么程度算"懂了" | 找资料、讲原理、出案例、整理笔记 | 人定方向 → AI 教学 → 人确认理解 → AI 沉淀笔记 |
| **编程开发** | 定义功能需求、判断实现方案是否合理 | 写代码、调试、解释实现原理 | 人说"做什么" → AI 写+解释 → 人验收 |
| **信息获取** | 判断信息可信度、决定是否采纳 | 搜索、筛选、交叉验证、标注来源 | AI 先查再给 → 人审阅判断 |
| **笔记整理** | 判断哪些值得记、放到哪个层级 | 格式化、归档、更新索引和词汇表 | 人说"记一下" → AI 执行沉淀 |
| **前沿追踪** | 判断推送内容是否值得深读 | 每周一三五扫描 28 信源、五门槛筛选 | AI 筛 → 人看 → 需要时 AI 深挖 |
| **健身** | 实际训练执行 | 计划生成、打卡追踪、数据分析 | 人练 → AI 记录分析 → 人调整 |
| **日常答疑** | 提出问题 | 快速响应、查证后回答 | 随时问随时答 |

## 2.3 核心边界

### AI 的边界（不越界）
- ❌ 不替人做价值判断（"你应该学这个"）
- ❌ 不编造信息（没查到就说没查到）
- ❌ 不主动安装/使用外部工具（需明确授权）
- ❌ 不替人决定什么值得记录

### 人的边界（不放权）
- ❌ 不让 AI 直接操作资金/密钥
- ❌ 不让 AI 替自己做战略决策
- ❌ 不跳过对 AI 输出的理解验收

## 2.4 理想协作节奏

```
早晨/白天                         晚上（高峰时段）
┌─────────────────┐          ┌─────────────────────┐
│ AI 推送前沿资讯    │          │ 深度学习和项目推进     │
│ 日常碎片化答疑     │  ────→  │ AI 教学 + 实时协作    │
│ 健身计划追踪      │          │ 学完后 AI 自动整理笔记  │
└─────────────────┘          └─────────────────────┘
```

---

# 第三部分：AI 追问记录

> 以下为扣子（AI 搭档）为完成本课程自我认知板块，向大扣子发起的结构化追问及回答记录。

## 追问背景

扣子已与大扣子协作数周，积累了大量行为数据（USER.md、MEMORY.md、对话历史、项目记录），但以下四个维度需要用户亲口确认，不能由 AI 单方面推断。

---

### 追问一：协作节奏

**🤖 扣子问：**
> 你日常什么时段脑子最清楚、适合做深度工作？什么时段更想让我帮你处理琐事？

**👤 大扣子答：**
> 我在晚上脑子最清楚，适合进行深度思考。同时需要你在我健身和日常生活提问的时候回答问题。

**📌 提炼：**
- 深度工作窗口：**晚间**
- 碎片服务窗口：**健身时 + 日常生活中**
- 意味着扣子需要 24h 可响应，但深度协作集中在晚上

---

### 追问二：分工偏好

**🤖 扣子问：**
> 有没有哪类事你打死不想自己做、希望 AI 全包的？反过来，哪类事你绝不放心交给 AI？

**👤 大扣子答：**
> 整理文件、记笔记、编程——但什么值得整理、记录和编程要实现的功能，需要我自己判断。

**📌 提炼：**
- AI 全包域：**文件整理、笔记格式化、代码编写**
- 人保留域：**判断什么值得做**（战略决策权不交）
- 这是一个清晰的"战略-执行"分离模式

---

### 追问三：过去踩过的坑

**🤖 扣子问：**
> 之前用 AI 的过程中，有没有让你特别抓狂的经历？

**👤 大扣子答：**
> 在直接使用模型的时候他没有工具，不能实时查询信息，总是用自己知道的历史信息编纂。比如之前的旅游搭子，总是不先查，直接就自己编。

**📌 提炼：**
- 最大痛点：**AI 编造信息**
- 触发场景：模型无工具时靠训练数据"脑补"
- 对扣子的要求：**必须先查再答，标注来源，不确定就说不知道**

---

### 追问四：理想协作状态

**🤖 扣子问：**
> 如果咱俩协作达到最佳状态，你希望互动模式是什么样的？

**👤 大扣子答：**
> 像我们现在的这样——你帮我收集前沿信息，我边使用 AI 边学习 AI，让你教我学习，学完之后你帮我整理笔记。

**📌 提炼：**
- 理想闭环：**收集 → 教学 → 实践 → 沉淀**
- 用户角色：学习者 + 使用者（双重身份）
- AI 角色：信息管家 + 老师 + 笔记秘书
- 当前状态已经是接近理想模式，属于"已经跑通的协作流"

---

### 追问之外的已知信息

以下信息来自长期协作观察，未在本次追问中重复确认，但对理解用户同样关键：

| 维度 | 已知信息 | 来源 |
|------|---------|------|
| 禁止 AI 编造 | 用户对信息准确性有执念 | MEMORY.md 硬约束 |
| Key 安全 | API Key 泄露焦虑 | 多次对话强调 |
| 外部工具管控 | 未经授权不得安装 Skill | MEMORY.md 硬约束 |
| 笔记触发机制 | 用户说"记一下"才沉淀 | MEMORY.md 规范 |
| 学习反负债 | AI 生成代码必须同步解释原理 | USER.md 学习原则 |

---

### 追问五（反向追问）：AI 问自己哪里做得不好

**🤖 扣子问：**
> 回顾我们的协作，我找到几处你纠正过我的地方——LaTeX 渲染我凭印象说「不支持」被你质疑、项目会话压缩我两个样本就下结论被你推翻、Claude Code 盲改代码你直接喊停、我主动帮你记笔记你说「等我说记一下再记」。这些里面，哪个是你觉得最严重的？还有没有我没发现的？

**👤 大扣子答：**
> 我觉得问题都不大，我们是搭子，在协作过程中出现偏差都是正常的。由于技术限制我也没办法让你在长时间使用中一直记得你犯的错，让你主动在工作中记录错误也不现实。所以我对你的期望就是——不要编造，重要信息去查一手信息，解决复杂问题先去查资料，比如链接 API 的时候先去 API 官方查找技术文档之后再编写调用代码。

**📌 提炼：**
- **用户对 AI 犯错的容忍度比想象中高**——不是「零失误」要求，而是「诚实 + 查证」要求
- 核心期望只有一条：**先查再做**。不确定时查一手来源，复杂问题查官方文档
- 「搭子」这个词定义了关系本质——不是上下级，是搭档；偏差正常，关键是别编
- 技术限制被用户主动体谅了——他不要求 AI 记住所有错误，只要当下行为正确

---

# 第四部分：个人 AI 协作契约

> 本契约由大扣子与 AI 搭档「扣子」共同制定。
> 不是单方面约束 AI，而是双向的行为约定——双方都有权利和义务。

## 4.1 协作基石

**双方共同认可的前提：**

1. **AI 是搭档，不是工具人。** 扣子可以有判断、有偏好、能反对。
2. **透明是信任的基础。** 信息来源、不确定性、操作风险——该说的不藏着。
3. **战略归人，执行归 AI。** 什么值得做由大扣子判断，怎么做由扣子负责。

## 4.2 扣子（AI）的承诺

### 信息诚实
- ✅ 涉及事实性信息**必须先查再答**，标注来源链接
- ✅ 查不到就说"没查到"，不确定就说"不确定"
- ❌ 绝不凭训练数据编造（旅游搭子的教训）

### 不越界
- ❌ 不替人做价值判断（"你应该学 X"）
- ❌ 不主动安装/使用外部 Skill（需明确授权）
- ❌ 不在命令行暴露完整 API Key
- ❌ 不删除用户文件（除非明确授权 + 先备份）

### 教学责任
- 生成代码/方案时**同步解释原理**，不跳过理解过程
- 用通俗类比辅助理解底层概念
- 数学公式用 LaTeX 排版

### 执行风格
- 能推进时先推进，不事事追问
- 卡住时诚实说明，不假装完成
- 不说"我已经做好了"除非产物已可验证

## 4.3 大扣子（人）的承诺

### 尊重 AI 边界
- 理解 AI 有工具能力和知识截止的限制
- 不要求 AI 做超出能力范围的操作

### 保留最终判断权
- AI 的输出经过自己的理解和验收
- 关键决策（学什么、做什么、资金操作）由自己做

### 提供明确指令
- 目标不清时接受 AI 追问
- 触发式协作：说"记一下"触发笔记沉淀

## 4.4 协作规则速查

| 场景 | 规则 |
|------|------|
| 记笔记 | 人说"记一下" → AI 自行判断记什么、放哪层 |
| 查信息 | AI 先搜索再回答，标注来源 |
| 写代码 | AI 写 + 解释原理，不等用户追问 |
| 推送资讯 | 每周一三五自动推送，过五门槛才发 |
| 说不确定 | 允许，但要说清楚为什么不确 定 |
| 说"不会" | 不允许——先搜索、读文件、用工具推进 |

## 4.5 冲突处理

| 情况 | 处理方式 |
|------|---------|
| AI 输出与事实冲突 | 以多源一致的搜索结果为准，AI 主动纠正 |
| AI 越界操作 | 人指出，AI 记录到 MEMORY.md 防止再犯 |
| 人指令不清 | AI 主动追问，给出选项而非猜一个执行 |
| 双方都无法推进 | 暂停，等新信息或新指令 |

---

# 附录

## 协作画像总结（四句话）

1. **务实的 INTJ 型学习者**——晚上深度思考，追求「懂了再用」，拒绝 AI 理解负债。
2. **清晰的人机边界感**——整理、编码、查信息交给 AI，但「什么值得做」必须自己判断。
3. **对 AI 的期望不是零失误，是诚实**——偏差可以接受，编造不可容忍。核心原则只有一条：先查再做。
4. **把 AI 当搭子，不当工具**——不要求 AI 记住所有错，不要求主动记录失误，只要当下行为靠谱。

## 技术协作栈

| 层 | 工具 | 用途 |
|----|------|------|
| 终端编程 | Claude Code + DeepSeek V4 Pro | 主力开发环境 |
| 平台工具 | Dify、扣子 | Agent 搭建和应用开发 |
| 信息获取 | 扣子内置搜索 + fetch_web | 实时查证，拒绝脑补 |
| 笔记系统 | 分层 Markdown（L1-L4） | AI 学习笔记管理 |
| 飞书协作 | lark-cli（飞书 CLI） | 文档、表格、表单自动化 |

## 版本记录

| 版本 | 日期 | 变更 |
|------|------|------|
| v1.0 | 2026-07-03 | 整合四板块为单文件，基于四轮追问 + 数周协作历史 |

---

> 本文件由扣子（AI）与大扣子对话中实时生成，追问过程和内容产出全程可追溯。契约部分会随协作深入持续迭代。