抄我们的作业

原文：https://every.to/context-window/copy-our-homework

大家好，周日愉快。我们几乎每天都会发布工作流、技巧和提示词，这样的节奏下，很多东西难免会被淹没。所以本周我们尝试了一种新格式：一个名为“Steal these”（拿去用）的栏目，把本周三期 Context Window 的内容全部搜集在一起。我们还带来两篇新的 Vibe Check：一篇是 Mike Taylor 对 Jev 的评测——这是一个出自某位曾教会聊天机器人遵循指令的 OpenAI 研究员之手的全新模型；另一篇来自创意工作室 Afterimage 的 Cyrus Duff 和 Josh Lee，他们在一个我们此前没试过的用例上测试了 GPT-6 Astra，即视觉特效。另外交代几件杂事：下周我们将举办三种不同类型的活动；升级订阅即可参加后两场。详情见后文。——Kate Lee

Steal these（拿去用）

本周三期内容里的九条工作流和提示词。

让智能体替你操作电脑

  • Codex 帮你跑腿。 七位员工分享了他们交给 AI 处理的任务，包括维护日历、与 Verizon 客服沟通、把物品挂出去卖、排查笔记本电脑变慢，以及转移网络服务。完整清单

  • 一套四步幻灯片工作流。 Douglas Brundage 先设计两三张参考幻灯片，用 Codex 打磨文案，让它把整套幻灯片在 Google Slides 里搭出来，再把自己的修改保存为下次可用的规则。具体步骤

  • 一个“别碰鼠标”的信号。 当 Codex 正在控制他的电脑时，Randy Counsman 一次误点就会打乱智能体的工作，所以他让 Codex 在正被操作的那个任务标题里放一个 🖥️。做法

整理你的文件夹

  • 一条能体检整套文件系统的提示词。 让你的智能体解释你的文件夹结构、哪些文件是原件，再让 Compound Engineering 的 ce-doc-review 核查这份解释，并且在未经你批准前不许智能体移动任何东西。提示词

  • 来自一套可用配置的四条规则。 Kieran Klaassen 每份工作保留一个文件夹；把智能体所知道的东西，与向它们派发任务的系统分开存放；维护每日、每周、每月和每年的记忆文件；并让这套系统去适配他原本的工作方式。他的配置

有意识地烧 token

  • 45 亿个 token 能买到什么。 Randy 那个不加限制的智能体集群在一个 Blender 模型上跑了一天半；重建后的配置把编排器（orchestrator）限制为五个子智能体，并给评审智能体（judge agent）提供一张参考图。修正方案

  • 一条审计 token 花销的提示词。 把它粘进你的智能体，让它审查某个会话的使用记录，把必要的工作与重复工作和状态检查区分开，并提出三条改进建议。提示词

  • 让模型匹配任务。 Marcus Moretti 用 Sonnet 做基础检查，用 Opus 做范围明确的改动，用 Fable 5.1 规划大型功能；他让它把编码委派出去，并核查成果。他的方法

  • 任何昂贵实验之后要问的三个问题。 Arielle Shipper 会问：花了多少成本、换来了什么、团队学到了什么。她的问题

知识库

《Vibe Check：Astra 是独立电影人的突破吗？》 作者 Cyrus Duff 和 Josh Lee/Vibe Check：创意工作室 Afterimage 的联合创始人 Cyrus Duff 和 Josh Lee，在他们通常要外包给专家的一类视觉特效工作上测试了 GPT-6 Astra——任务是在桌上加一只酒杯。它擅长处理建筑、玻璃器皿这类刚性物体，也能自己操作专业工具，但还做不好生物，也做不好任何与场景发生接触的东西。对一家两人的工作室来说，这部分工作原本是要外包出去的。

🖥 《Mini-Vibe Check：TypeSafe 的 Jev 用 0.7 秒评判了我写过的所有东西》 作者 Mike Taylor/Also True for Humans：TypeSafe 的新模型 Jev 接收用大白话提出的“是/否”问题，返回一个表示“是”的可能性有多高的数字，这样其他软件无需人工审核就能使用它。Mike 用不到一秒、花了不到一美分的零头，就把他整个 Every 文章库跑了一遍。🖥 观看 Jack Cheng 对着网络摄像头说话和指点，在画布上绘制并移动图形，Jev 在不到半秒内执行每一条命令。

《关于 AI 写作的 13 条信念》 作者 Mike Taylor/Also True for Humans：Mike 几乎所有发表的东西都用 AI 起草，而他的第一条规则是让提示词比输出还长。如果 ChatGPT 也写得出来，他就干脆不写。他仍然自己写推文和 Slack 消息，因为他的文章正是从那里开始的。我们的 How We Write Now 系列，将在 9 月 23 日（周三）美国东部时间下午 1 点，以 Mike 与 Katie Parrott 的一场直播写作收尾，地点在 X。

《和 AI 玩闹教会我的关于工作的事》 作者 Katie Parrott/Working Overtime：Katie 主张，你可以从一次实验里取走一些有用的东西，而不必把它变成你的下一个任务。她让 Astra 把她的 Compound Writing 技能变成一个个生物，而琢磨每个角色想要什么，促使她在自己的写作工具箱里加上了“满足读者需求”的问题。另外：获取“Is this anything?”——她那个用于从单次 AI 会话中发现价值的技能。

《你很可能低估了 Computer Use》 作者 Laura Entis/Context Window：Mike 在 9 月 3 日的 Vibe Check 里给 GPT-6 Astra 打了黄色。不到两周后，它就成了他的日常主力工具，因为 computer use 填好了学校的表格、搭了六套课程幻灯片，还检查了他书稿里的每一条链接。

《把你们的文件夹秀出来》 作者 Katie Parrott/Context Window：Anthropic 把 Chat 和 Cowork 合并成了一个自行挑选每个任务所需工具的 Claude，这让 Anthropic 和 OpenAI 都走上了我们 在四月预测过的那条通往“知识工作单一桌面应用”的道路。同一期还有：Dario Amodei 想放慢前沿的步伐，而 Dan 则以一份计划回应——让前沿 AI 广泛可用，先从“AI 时代的杀毒软件”做起，让普通人也能用上防御性智能体。

《你为什么该多烧点 token》 作者 Laura Entis/Context Window：Dan 用的 token 是 Every 其他人的三倍多，他担心花销低意味着想得太小。他和 Willie Williams 定下了一个起点：找出工程团队最大的约束，测试 AI 能否移除它们。

论点陈述

到 Thesis Statements 阅读六条来自前沿构建者和思想者的更多预测，这是一系列关于“AI 时代伟大人类工作之未来”的具体且可争议的主张。

加入我们 2026 年 11 月 5 日的首届 Thesis: 2027 大会。

参与进来

亲身体验 Every 如何使用 AI。在这些线下营、工作坊和聚会中，团队成员会教授我们的工作流。

即将举行的活动

  • How We Write Now 直播写作：9 月 23 日（周三）美国东部时间下午 1 点，在 X 直播。为给 How We Write Now 系列收官，Katie Parrott 和 Mike Taylor 将在镜头前与 AI 一起写作，由 Kate Lee 主持。在 X 上观看。

  • Every IRL——2026 年 9 月：9 月 24 日（周四）美国东部时间晚 6–8 点，地点在 Every 位于布鲁克林的褐石建筑。我们的 Slack 智能体 Every 从头到尾策划了本月这场仅限订阅者的聚会。订阅者免费。RSVP。

  • Office Hours：抢先看 Every Agent：9 月 25 日（周五）美国东部时间中午 12 点至下午 1 点，在 Zoom 举行。Douglas Brundage 和 Brandon Gell，由主持人 Micah Rich 搭档，在 Every Agent 公开发布前向 All Access 会员展示它。无需编程经验。需 All Access 会员资格。注册。

以上就是本周的全部内容。在 X 上关注 Every：@every，也在 LinkedIn 上关注我们。

核心启示：这篇“拿去用”合集把 Every 团队一周的 AI 实践——从让 Codex 跑腿、整理文件夹，到有意识地烧 token——压缩成一份可直接照抄的清单，本质上是在承认：AI 时代的门槛并不在工具本身，而在于是否愿意把任务交出去、把系统梳理清楚，并把 token 花在值得的地方。

Copy Our Homework 的发芽报告

材料核心

Every 的 Context Window 用"Steal these"这一新栏目，把一周三期内容里的九条工作流、提示词与操作规则压缩成一份可以直接照抄的清单，再附上知识库索引、六条"论文式断言"和线下活动——它主张的不是分享观点，而是把团队的作业本摊开，让读者抄。

发芽 01：可抄的作业——流程是比洞见跑得更快的东西

种子

这篇文章真正的新意不在工具（Codex、Astra、Jev 都只是载体），而在出版单元变了：过去一期文章卖的是一个洞见，现在这九条卖的是"可直接执行的一小段动作"。数一下它的形态——四条是 prompt，一条是一个信号（🖥️ 写进当前被 agent 接管的窗口标题），一条是四条规则，一条是三个问题，一条是模型选择对照表，一条是"四步做 deck"的流程。它们全都落在同一个"中间层"：比原则具体，比代码抽象。

这个层级之所以是传播效率最高的层级，软件业已经验证过一次。Christopher Alexander 在 A Pattern Language（1977）里把建筑经验写成 253 个"模式"，每个模式都是"情境—问题—解法"的最小可复制单元；十七年后，《设计模式》（GoF，1994）把这套写法搬进软件工程，让一整代工程师第一次拥有了共同的抄写本。模式比论文跑得快，是因为它承认了 Michael Polanyi 在 The Tacit Dimension（1966）里点破的难题：我们知道的比能说出来的多（"we can know more than we can tell"）。而 Every 的 🖥️ 是一次极端的外化尝试——Randy Counsman 把"此刻别碰鼠标"这条只存在于默契里的规则，压成了一个字符。这大概是整期里最短的一条隐性知识编码。

Aha 瞬间

"能被抄走的作业，都是把隐性知识压缩成了一个符号；抄不走的，是你为什么需要那个符号。"

发芽 02：记账的复兴——token、文件夹与记忆原本是同一件事

种子

材料的第三条主线表面上是"有意识地花钱"，但它实际给出的是一套复式记账法：一个审计 token 支出的 prompt（把一次会话拆成必要工作、重复工作、状态检查三类，再给出三条改进建议）、Kieran Klaassen 的日/周/月/年四层记忆文件、Randy 给失控的 agent 蜂群加装的"裁判 agent + 参考图 + 五个子 agent 上限"，以及 Arielle Shipper 在昂贵实验后的三个问题（花了什么成本、买到了什么、团队学到了什么）。散落的这四点，其实是同一个动作：为注意力记账。

这套做法在会计史上有一个精确的祖先。1494 年，Luca Pacioli 在威尼斯出版的 Summa de arithmetica 中首次系统描述了威尼斯商人的复式记账：流水账（memoriale）→ 日记账（giornale）→ 总账（quaderno），三层账簿把混乱的日常交易转成可审计的结构。Kieran 的日/周/月/年记忆文件几乎是同一套分层——底层接住噪音，上层沉淀结构。Arielle 的三问就是一张损益表加一页复盘，而美国陆军从 1981 年在欧文堡国家训练中心（NTC）把 After Action Review 制度化，用的也是同样的三问骨架（本该发生什么、实际发生了什么、为什么有差别）。至于"该不该继续烧"，James March 在 1991 年《Organization Science》上的 exploration/exploitation 模型已经证明：只优化、不探索的系统会收敛到次优解。Dan "比 Every 任何人都多烧三倍 token"、"低支出意味着想得太小"，本质上是把探索预算写进了个人指标。而 Graham Walker 的断言——AI 让不确定性探索起来便宜、解决起来不便宜——恰好解释了为什么那 4.5 亿 token 的蜂群最终必须请来一位裁判。

Aha 瞬间

"账本的作用不是抑制浪费，而是让浪费可被审计——没有裁判的烧钱叫损耗，有裁判的烧钱叫实验。"

发芽 03：作业的保质期——从 yellow 到 daily driver 的两周

种子

材料里埋着一颗自己点燃的定时炸弹：Mike Taylor 在 9 月 3 日的 Vibe Check 里给 GPT-6 Astra 打的是"黄色"，不到两周它就成了他的日常主力；而"don't touch the mouse"这条信号存在的唯一理由，是今天的 agent 还承受不了一次误点击。抄来的作业有保质期，保质期的长度正好等于底层能力的变化速度。 这一点，文中的"论文式断言"已经替我们说了：Prashanth Subramanian 的"更快版本的平均，仍然是平均"，Arturo Tedeschi 的"如何做一件事将不再是我们的身份"，都是在同一方向上敲钉子。

航空业有一份现成的对照实验。清单让飞行变得极其安全，但也让飞行员的手动操纵能力悄悄退化——2013 年 1 月，美国联邦航空管理局发布 SAFO 13002《Manual Flying Skills》，明确警告自动化依赖造成的手动飞行能力流失。2009 年 6 月 1 日，法航 447 班机在大西洋上空失速坠毁，调查报告指向的正是机组在高空丧失手动操纵的情境意识。护栏在能力不足时是护栏，在能力过时后就是仪式。Every 的 🖥️、四条文件夹规则、那张模型选择表，都是此刻的护栏；一旦模型换代，抄作业的收益会迅速翻转成抄仪式的成本。

Aha 瞬间

"抄作业抄走的是解法，不是问题；当问题本身消失了，解法就变成了仪式。"

你的思考空间

  • 把本周这九条原样搬进你的工作，哪一条会在两周内失效？你判断"保质期"的依据是模型版本、任务类型，还是你自己已经不再查它了？
  • Every 公开内部工作流，短期看是营销，长期是在培育一套"共同语法"。当一个团队的作业被成千上万人抄写，它换来的是行业影响力，还是被同质化的风险？（对照 Douglas Brundage 那条断言：好设计将标志着平庸。）
  • "低支出意味着想得太小"——如果 token 价格再降十倍，这个论断还成立吗？还是说真正的稀缺资源会从 token 悄悄转回判断力本身？
  • 你的日/周/月/年四层记忆文件里，哪一层其实从来没有被真正读过？删掉它，会损失什么？
  • 如果必须给"抄作业"设一个到期日，你会用什么信号来触发重写——模型换代、任务变化，还是"新人已经看不懂这条规则在防什么"？