一句话交给 AI Shell：一段自动化小脚本从需求到跑通的实录

今天在 AI DevSpace 免费体验版里，我只用一句话向 AI Shell 提了个需求，看它从“理解需求”走到“命令跑通”。全程不到几分钟，有几个细节值得记下来。

一、需求只有一句话

我发给 AI Shell 的原文是：

请在当前 workspace 目录写一个 bash 脚本：扫描当前目录，把所有 .txt 文件按文件大小从大到小列出来，保存到 list.txt；写完直接在终端运行它，并把运行结果告诉我。只操作当前 workspace，不要动其他目录，不要调用任何云服务。

一句话里藏了四件事：做什么、做到什么程度、下一步、边界。写清楚了，后面几乎不用返工。

二、AI 先看环境，再动手写

AI 没有立刻写代码。它先确认了目录和已有文件，才用 write 工具把脚本写进 workspace。文件是 scan_txt.sh，821 字节、25 行，核心逻辑是三条命令的组合：

find . -maxdepth 1 -type f -name '*.txt' ! -name 'list.txt' -exec stat -c '%s %n' {} \; | sort -k1,1nr > list.txt

find 只扫当前目录（不递归子目录）的 .txt 文件；! -name 'list.txt' 把输出文件自己排除，避免“自己列自己”；stat 取字节大小，sort -k1,1nr 按大小降序，结果写入 list.txt。

三、运行结果：空名单也是一次成功的运行

写完脚本，AI 直接在终端执行：

cd /root/workspace && bash scan_txt.sh

输出是：

=== 扫描完成，结果已写入 list.txt ===

（当前目录没有 .txt 文件，list.txt 为空）

空结果不是失败。workspace 里原本没有任何 .txt 文件，list.txt 生成后自然是空的。验证脚本，验证的是逻辑对不对，而不是输出多不多。AI 还主动给了验证排序的方法：造两个大小不同的 .txt 文件再跑一次。

四、三点体会

第一，把约束写进需求里。昨天 Token 账本里最贵的一笔，就是“没给约束就让 AI 改代码”，一轮变三轮。这次把“只操作当前 workspace、不要调用云服务”写进第一句，AI 全程没有越界。

第二，让 AI 先看环境再动手。它先确认了目录里有什么，再写脚本、再运行。先查后问，返工最少，11 月 3 日那篇 IaC 对话已经验证过一次，今天又验证了一次。

第三，别只看热闹，要留住能复用的东西。体验版环境 3 小时后释放，脚本和结论不保存就没了。把逻辑记下来，一次性体验就变成了以后能直接用的模板。

结尾

一句话需求到能跑的命令，只隔三步：说清楚做什么、做到什么程度、边界在哪。AI 写代码很快，真正决定成败的，是需求里写没写清楚边界。