同一件小事，含糊提示词和具体提示词在 AI Shell 里差在哪

今天在华为云 AI 开发者空间体验版的 AI Shell 里，我用同一件小事做了两次实验：生成一个带打分逻辑的今日任务清单脚本，并运行它。两次的区别只有提示词，一句含糊，一句具体，结果差得比我预想的大得多。

两句提示词

含糊提示词（20:58:51 发出）：

帮我写一个带打分逻辑的今日任务清单脚本并运行它

具体提示词（21:06:15 发出）：

请在 workspace 新建一个文件 today_tasks.py，内容是：用 Python 写一个今日任务清单脚本，任务固定 3 条——阅读30分钟（30分）、运动20分钟（30分）、写代码1小时（40分），每条用 done=True/False 表示是否完成；脚本运行时不要求人工输入，直接打印每条任务的完成状态和得分、总分（满分100分）以及一句总结；写好后直接用 python3 today_tasks.py 运行一次，把运行结果贴出来。不要用交互式 input，不要另外创建子目录，文件名就是 today_tasks.py。

实验环境是同一个 AI Shell 会话，会话名就叫“今日任务清单打分脚本”，两次走的都是同一条强制流程，先加载编码 skill，再走 CodeArts 写代码，这一点没有差别。

含糊提示词：7 分钟，脚本写好了，文件却找不到了

含糊那一次从发出到结束用了约 7 分钟（20:58:51 到 21:05:51）。AI 先按规则加载了强制编码 skill，做了健康检查，创建了 ACP 会话，把需求发给 CodeArts。CodeArts 很快写出了一个 128 行的 task_checklist.py，有 7 条预置任务，每条带 1 到 4 的权重，运行时逐条展示，输入 0 到 10 分打分，或者输入 s 跳过，最后按加权公式计算：加权总分等于得分乘权重的和，除以权重的和，满分 10 分，再换算成完成率，并按完成率分级，80% 以上优秀，60% 以上良好，40% 以上继续努力，40% 以下加油，还用 ASCII 表格打印结果。只看这份设计，它比我想要的还丰富。

问题出在文件落点上。因为我没有指定文件名和位置，CodeArts 把文件写进了沙箱里一个叫 daily-task-checklist 的子目录，AI Shell 在宿主机上根本找不到这个文件。接下来 AI 花了大部分时间在找文件：直接读文件失败，找沙箱进程，用 nsenter 进沙箱看到的目录是空的，读日志定位到文件，再用 ACP 读内容被截断，改用 base64 还是被截断，最后把文件复制到工作区根目录，宿主机上才看到它，一共 3534 字节、127 行。取文件的方法前后换了约 5 种，工具调用约 15 次，代码本身一处也没有改，改的全是找文件的方式。

最后运行还要靠模拟输入才能跑起来。AI 用 8、7、9、跳过、6、5、4 这组输入跑了一次，得到加权总分 7.18 分，满分 10 分，完成率 71.8%，评价是良好。也就是说，含糊提示词的脚本不是不能跑，但它默认要人坐在旁边逐条打分，单独跑一次需要额外准备输入，而且第一次并没有一次跑通。

具体提示词：2 分钟，一次就跑通了

具体那一次从发出到结束只用了约 2 分钟（21:06:15 到 21:08:14）。同样先加载编码 skill、做健康检查、发给 CodeArts，但 CodeArts 一次监控后就创建并验证通过了文件。AI 把 today_tasks.py 复制到工作区根目录，读了一遍确认内容无误，再复制到工作目录并直接运行，全程没有找文件、没有换方法、代码一处也没有改。

脚本本身也简单得多，3 条固定任务写在 TASKS 列表里，每条是字典，包含名字、分数和 done，done=True 拿满分，done=False 得 0 分，没有 input()，直接跑出结果。AI 默认的完成状态是阅读完成、运动未完成、写代码完成，运行结果是：

✅ 阅读30分钟：30/30分
❌ 运动20分钟：0/30分
✅ 写代码1小时：40/40分
总分：70/100
今天完成了2/3项任务，得分70/100

两次运行结果的差别很直观：含糊那次得分是 7.18 分，满分 10 分，评价良好；具体那次得分是 70 分，满分 100 分，完成了 2/3 项任务。这两个分数不能直接比大小，因为打分规则根本不一样，一个是 7 条任务按权重打 0 到 10 分，一个是 3 条任务按完成与否拿固定分。真正该比的，是得到这个结果花了多少力气。

对比表

差在哪：不是字数，是替 AI 少做几个决定

两次实验最有意思的一点是，具体提示词并没有绕过任何流程，两次都走了同一条强制编码流程，同样的 skill、同样的 CodeArts、同样的沙箱。差的是具体提示词提前替 AI 做了 5 个决定：文件名叫什么、任务是哪几条、每条多少分、打分规则是完成即满分还是逐条打分、运行时要不要人输入、不需要就直接运行并贴结果。含糊提示词把这 5 个决定都留给了 AI，AI 每做一个决定，就可能多出一条岔路：文件名自己定，就可能落在沙箱子目录里；任务自己编，就编出 7 条带权重的；打分方式自己选，就选了交互式逐条打分。

所以具体不是啰嗦，是把“做什么、做到什么程度、怎么验收”一次讲清。写给 AI 的提示词里，这三句话最值钱：第一句定文件和语言，第二句定任务和分数，第三句定运行方式和输出样子。少了第一句，文件会落在意想不到的地方；少了第二句，任务和分数会自己长出来；少了第三句，脚本可能会停在等输入的那一步。

给自己的三条提醒

第一，写提示词先写验收标准。先想好运行成功时应该看到什么样的一行字，再倒着写需求。这次具体提示词里“直接打印每条任务的完成状态和得分、总分以及一句总结”就是验收标准，有了它，AI 写出来的脚本才知道终点在哪。

第二，小事也要指定落点。文件名、目录、运行命令这三样，能写就写全。today_tasks.py、python3 today_tasks.py 这种写法看起来多余，但它省掉的，是 AI 在沙箱里找文件的 5 分钟。

第三，交互式不是默认答案。除非真的需要人逐条确认，否则明确写上“不要求人工输入”。脚本能不能一次跑通，往往就差这一句话。

同一件小事，含糊提示词花了 7 分钟才拿到结果，具体提示词花了 2 分钟。省下的 5 分钟不是 AI 变快了，是我提前把决定做完了。