第七部分 · 加入 AI 能力
到这里，你的 Todo 已经很完整了：好看的前端、能干活的后端、数据存进了数据库，刷新也不丢。但它还只是一个「听话的仓库」——你输入什么，它就存什么，一个字都不会多想。这一部分，我们给它接上一个「云端大脑」，让它第一次真正会思考：你扔一句大目标，它帮你拆成一串小任务；你攒了一堆待办，它帮你总结、分类、排优先级。做完这一部分，你的 Todo 就正式变成 AI Todo 了。
先说清楚：这一部分有「两种 AI」，别搞混
在动手之前，必须先掰开一件最容易让初学者犯迷糊的事——这门课里有两种 AI，它们干的活完全不同。
第一种：Claude Code / Codex，是帮你「写代码」的编程助手。 你从第二部分用到现在的就是它。它在你开发的时候帮你敲代码、建文件、修 bug。项目做完了，它的活也就干完了，它不会住在你的应用里。
第二种：AI API（大模型 API），是你的应用在「运行时」去调用的云端大脑。 这是这一部分要新接进来的东西。它不帮你写代码，它帮你的用户干活——用户在 AI Todo 里输入一句话，你的后端把这句话发给它，它思考完把结果送回来。
打个比方你就懂了：
💡 Claude Code 像帮你盖房子的施工队——房子盖好，施工队就撤了。AI API 像你在房子里装的一个「智能音箱」——房子盖好后，它一直留在屋里，用户按一下，它就开始思考、开口说话。这一部分，就是给你的房子装上这个智能音箱。
想清楚这个区分，后面就不会晕：我们用施工队（Claude Code）去写代码，而写出来的代码，是让后端在运行时去按那个智能音箱（AI API）。
36. AI API 是什么
这一章要解决什么问题
在让应用「变聪明」之前，你得先明白这份「聪明」是从哪来的。这一章不写代码，先把「AI API 是什么、为什么要用它、用它要注意什么」讲透，尤其是那个绕不开的 API Key。
这是什么：一个「租来的大脑」
大模型（比如 Claude、GPT 这类）是一个训练好的、极其庞大的 AI，它跑在云端的服务器上，你自己的电脑装不下、也养不起。
API 就是访问这个大脑的「门」。你的后端把用户的话，按规定的格式送进这扇门，大脑思考一下，再把答案从门里送回来。整个过程，就是一次「问 → 答」。
你不需要拥有这个大脑，你是按次租用它的思考能力。这跟「用电」很像：你不用自己建发电厂，插上插头、按用量付费就行。
为什么现在需要它
因为**「思考」这件事，写死的代码做不到**。
你的后端会做的事，都是你提前规定好的：加一条任务、删一条任务、把列表读出来。但「把『办一场 50 人沙龙』拆成十几件小事」——这件事没法提前写死，因为用户会输入什么、该拆成什么，千变万化。只有一个会理解语言、会推理的大脑，才干得了。 这正是大模型 API 的看家本领。
在 AI Todo 里怎么用
从这一章起，我们要在后端里加一个固定的动作，之后每个 AI 功能都靠它：
用户输入一句话
↓
后端把这句话 + 一段「指令」发给 AI API
↓
AI 思考，返回结果
↓
后端把结果整理好，存进 Todo / 返回给前端你会发现，拆解、总结、分类、优先级——这四个功能，走的都是这同一条路，只是发给 AI 的「指令」不一样。所以这一章把管道打通，后面几章就是换着法子用它。
💡 这一整部分，最能体现那道贯穿全课的判断题。前面做前端后端，AI 写的代码基本是「对就是对」；但 AI API 的输出带着不确定性，它有时会答得很妙，有时会跑偏。所以从这一章开始，「人来审一遍」变得空前重要——这一点，我们会在第 41 章专门讲透。
关于 API Key：你必须先领一把「钥匙」
要按那个智能音箱，你得先有权限。这个权限就是 API Key——一串很长的字符，相当于「大脑的门钥匙」，也是你的计费凭证（用多少算多少钱）。
拿 Key 的步骤，各家平台大同小异：
- 去某个大模型平台（Claude、或任意 OpenAI 兼容的服务都行）注册账号。
- 在后台找到「API Keys」页面，点「新建」，复制那一长串字符。
- 把它配置到后端的环境变量里（不是写进代码）。
具体到哪个平台、点哪个按钮，让 Claude Code 带着你做就行——但下面这条纪律，你必须自己守住：
⚠️ API Key 是你的钱包，务必看好它，三条铁律：
- 不要把 Key 直接写死在代码里。 要放到「环境变量」里（可以让 Claude Code 帮你配一个
.env文件专门存它）。- 不要把 Key 上传到网上（比如推到 GitHub）。一旦泄露，别人就能用你的钱包狂刷，可能欠一大笔费。让 Claude Code 帮你把存 Key 的文件加进
.gitignore（意思是「这个文件永远不上传」）。- 万一不小心泄露了，立刻去平台把那把 Key 作废、重领一把。
这几件事你不用懂原理，但一定要让 AI 帮你做到。这是这一部分唯一需要你打起精神的安全问题。
本章小结
AI API 是你「租来的云端大脑」，用 API Key 这把钥匙访问它，按用量付费。它和帮你写代码的 Claude Code 是两码事：一个装在应用里帮用户思考，一个在开发时帮你写代码。钥匙要放进环境变量、绝不上传网络。管道打通后，后面四章都靠它。
37. 让 AI 拆解任务
这一章要解决什么问题
这是整个 AI Todo 的招牌功能，也是最让人「哇」的一步。用户不用再一条条手敲待办，只需扔一句大目标——比如「下周办一场 50 人的线下沙龙」——AI 就把它拆成一串可执行的小任务，自动填进 Todo 列表。
这是什么
一个「一句话生成待办清单」的功能。它做的事，就是我们从第一部分就在讲的 任务拆分——只不过这次，是让 AI 替用户来拆。
为什么现在需要它
因为**「拆解」正是大模型最擅长、也最能显出价值的活**。人面对一个大目标常常无从下手，而 AI 能一口气帮你想到「订场地、发邀请、准备物料、安排签到、买茶歇……」这些你可能会漏掉的环节。这一步，是你的 Todo 从「记事本」变成「助手」的分水岭。
在 AI Todo 里怎么用
流程还是第 36 章那条管道，只是内容具体了：
用户输入「下周办一场 50 人线下沙龙」
↓
后端把它 + 一段「请拆成可执行子任务」的指令发给 AI
↓
AI 返回一串小任务
↓
后端把每一条都存进 Todo 列表，前端刷新就能看到让 Claude Code / Codex 执行的小任务
在项目里启动 AI，把下面这个任务提示词发给它：
任务目标：
给 AI Todo 增加一个「AI 拆解任务」功能：用户输入一句大目标，
后端调用大模型 API 把它拆成若干条可执行的子任务，自动存进 Todo 列表。
当前状态：
项目已经是 Vue 前端 + Flask 后端 + SQLite 数据库，能正常增删改查任务。
我已经在环境变量里配好了大模型 API 的 Key（放在 .env 里，没有写进代码）。
限制条件：
- 用我配置好的那个大模型 API（工具中立，用 Claude API 或 OpenAI 兼容接口都行）。
- API Key 只能从环境变量读取，绝对不要写死在代码里，也不要打印出来。
- 前端加一个输入框和一个「AI 拆解」按钮就行，风格和现有页面保持一致。
- 拆出来的子任务，每一条都要能直接作为一条 Todo 存进数据库。
期望结果：
1. 页面上有一个可以输入大目标的地方，和一个「AI 拆解」按钮。
2. 我输入「下周办一场 50 人的线下沙龙」，点按钮后，
列表里自动多出若干条可执行的小任务（比如“预定场地”“设计并发送邀请函”等）。
3. 这些任务和我手动添加的任务一样，能被勾选完成、能删除、刷新后还在。
验收标准：
1. 输入大目标点按钮后，确实生成了多条子任务并进了列表。
2. 每条子任务都是「一件能动手去做的具体事」，不是空话套话。
3. 过程中没有报错，Key 没有暴露在代码或日志里。运行后应该看到什么结果
你在输入框里写「下周办一场 50 人的线下沙龙」，点「AI 拆解」，稍等一两秒（AI 在思考），列表里「唰」地多出一串任务，类似：
✔ 确定沙龙主题和目标人群
✔ 预定可容纳 50 人的场地
✔ 设计并发送邀请函，统计报名人数
✔ 准备签到表和名牌
✔ 采购茶歇和饮用水
✔ 安排现场设备（投影、音响、话筒）
✔ 制定当天流程和时间表
✔ 活动后收集反馈而且这些任务和你手动加的一模一样——能勾、能删、刷新还在。
如何验收结果是否正确
这一步的验收，比前面任何一步都更需要你的判断，因为 AI 的输出是活的。逐条对照：
- 可执行吗：每一条都是「能动手做的具体事」，而不是「办好沙龙」这种大而空的话？
- 合理吗：这些步骤符合常识、是真办一场沙龙会做的事吗？
- 跑题了吗：有没有冒出跟沙龙无关的任务？
- 重复了吗：有没有两条其实是一件事？
- 有遗漏吗：有没有明显该有却没出现的关键步骤（比如漏了「预算」）？
- 格式对吗：每一条都干净利落，能直接当一条 Todo，而不是一大段话？
💡 看到没有——这就是判断题的主场。AI 帮你把「拆解」这道题答了，但答得好不好，得你来判。这不是因为 AI 笨，而是因为「什么算好的拆解」只有你（需求方）说了算。学会这套验收，你就掌握了 AI 功能最核心的把关能力。
如果结果不对，怎么反馈给 AI
AI 拆解不理想，通常有两种情况，分别这么反馈：
情况一：功能有 bug（点了没反应、报错、任务没进列表）——这是代码问题，照实说：
我点了「AI 拆解」按钮，但列表里没有出现任何新任务，页面也没提示。
请检查后端调用大模型 API 的这段流程哪里出了问题并修好。情况二：功能正常，但 AI 拆得不好——这不是 bug，是要调整给 AI 的指令（这本身就是一种「指挥 AI」的能力，第 41 章细讲）：
功能正常，但 AI 拆出来的任务太笼统了，比如只给了「准备物料」这种大项。
请调整后端发给大模型的指令，要求它：
每一条都必须是具体、可当天动手执行的小事，控制在 8~15 条，
避免笼统的大项，也避免重复。本章小结
你的 Todo 有了招牌能力：一句话，拆成一串可执行小任务。这一章你也第一次真切体会到——AI 的输出要靠人来验收，「可执行 / 合理 / 不跑题 / 不重复 / 无遗漏 / 格式对」这六条，就是拆解功能的判断题标准。
38. 让 AI 总结任务
这一章要解决什么问题
任务一多，列表就长，人一眼扫过去容易发懵。这一章让 AI 帮你把满屏的待办，浓缩成一句话概览或今日重点，让你抬眼就知道「现在整体是个啥情况、今天最该干嘛」。
这是什么
一个「一句话看懂全局」的功能。它把你当前所有（或今天的）任务喂给 AI，让它返回一段简短的总结。走的还是第 36 章那条老管道，只是这次发给 AI 的指令，从「拆解」换成了「总结」。
为什么现在需要它
因为信息一多，人就需要「摘要」。这也是大模型的经典强项——把一大堆零散信息，压缩成抓住重点的几句话。你的 Todo 越用越长，这个功能就越有用。
让 AI 执行的小任务
任务目标：
给 AI Todo 增加一个「AI 总结」功能：把我当前的任务列表交给大模型，
让它生成一句话的整体概览，并点出今天最该优先做的重点。
当前状态：
项目能正常增删改查任务，第 37 章已经打通了后端调用大模型 API 的流程。
限制条件：
- 复用已经配好的大模型 API 和读取 Key 的方式，不要重新写一套。
- 前端加一个「AI 总结」按钮，点一下就在页面上显眼处展示总结结果。
- 只做总结，不要修改或删除任何已有任务。
期望结果：
1. 页面上有一个「AI 总结」按钮。
2. 点击后，把当前任务发给 AI，几秒内在页面上出现一段总结，
包含「整体概览」和「今日重点」。
验收标准：
1. 点击后确实出现了总结文字。
2. 总结准确覆盖了列表里的任务，没有凭空捏造不存在的任务。
3. 「今日重点」的建议合理、看得懂、对我有用。
4. 已有任务没有被改动。运行后应该看到什么结果
点「AI 总结」，页面上冒出类似这样一段：
你当前共有 12 件待办，主要围绕「筹备线下沙龙」和几件个人事务。
今日重点：先把「预定场地」和「发送邀请函」搞定，这两件卡着后面所有环节。如何验收结果是否正确
- 准确覆盖：总结说的，跟列表里实际有的任务对得上吗？
- 没有编造：AI 有没有提到一件你列表里根本没有的任务？（这是 AI 最典型的毛病，务必查）
- 有用：「今日重点」的建议，你看了觉得「对，就该先干这个」吗？
💡 又是判断题。总结类功能有个特别要盯紧的坑——AI 可能会**「一本正经地编」**出一件你没写过的任务。所以验收总结，第一件事就是核对：它说的每一件，列表里是不是真有。
如果结果不对，怎么反馈给 AI
总结出来了，但里面提到了一件我列表里根本没有的任务「联系赞助商」。
请调整发给大模型的指令，明确要求：
只能基于我实际提供的任务来总结，不允许自己补充或编造任何任务。本章小结
AI 帮你把长列表压成一句话概览 + 今日重点。验收重点是两条：覆盖得准不准、有没有凭空编造。防「编造」，是所有 AI 总结功能都要盯的头号问题。
39. 让 AI 分类任务
这一章要解决什么问题
任务多了，光排成一条长龙还是乱。这一章让 AI 自动给每条任务贴上分类标签——比如「工作 / 生活 / 学习」，让你的列表能按类别一眼归拢。
这是什么
一个「自动贴标签」的功能。AI 读懂每条任务的意思，判断它属于哪一类，把类别标注上去。管道没变，指令换成「请分类」。
为什么现在需要它
因为分类是整理信息最自然的方式。「买菜、健身、写周报、读书」混在一起看着累，一旦分成「生活 / 生活 / 工作 / 学习」，结构就清楚了。而「读懂一句话、判断它属于哪类」，恰好是大模型轻松就能做的事。
让 AI 执行的小任务
任务目标：
给 AI Todo 增加「AI 自动分类」功能：让大模型给每条任务打上一个分类标签
（比如 工作 / 生活 / 学习），并在列表里把标签显示出来。
当前状态：
项目能正常增删改查，后端已打通大模型 API 调用。
限制条件：
- 复用已有的大模型 API 配置。
- 分类标签控制在几个固定类别内（工作 / 生活 / 学习 / 其他），不要五花八门。
- 分类结果要能存进数据库，刷新后标签还在。
- 前端在每条任务旁边清楚地显示它的分类标签。
期望结果：
1. 有一个「AI 分类」的入口（按钮），点一下就给当前任务批量打标签。
2. 每条任务旁边显示它的分类（工作 / 生活 / 学习 / 其他 之一）。
3. 刷新页面后，分类标签依然在。
验收标准：
1. 点击后，任务都被打上了分类标签。
2. 分类结果符合常识（“写周报”应是工作，“健身”应是生活）。
3. 遇到不好归类的任务，会归到「其他」，而不是乱贴或报错。
4. 刷新后标签仍在。运行后应该看到什么结果
列表里每条任务后面多了个小标签：
写周报 [工作]
健身 30 分钟 [生活]
读 20 页书 [学习]
给妈妈打电话 [生活]
研究一下报税 [其他]如何验收结果是否正确
- 合理吗：绝大多数任务的分类，符合你的直觉吗？
- 边界情况：那种「不太好归类」的任务（比如「和同事聚餐」算工作还是生活？），AI 有没有硬塞一个明显不对的标签，还是稳妥地放进了「其他」？
- 稳定吗：同一条任务，多点几次分类，标签会不会乱跳？
💡 分类的判断题，藏在边界情况里。「买菜」是工作还是生活很好判，但「和领导吃饭」这种模糊地带，最能看出 AI 靠不靠谱，也最需要你这个人来把关。验收时，专挑那些「你自己都得想一下」的任务去检查它。
如果结果不对，怎么反馈给 AI
大部分分类是对的，但「和客户吃饭」被分成了「生活」，我认为它应该算「工作」。
请调整发给大模型的指令：
判断分类时，只要任务和工作、客户、同事相关，就优先归为「工作」；
实在拿不准的，才归「其他」。本章小结
AI 自动给任务贴上工作 / 生活 / 学习标签，列表一下就清爽了。验收的关键在边界情况：模糊任务处理得稳不稳，最见 AI 的真章。
40. 让 AI 判断优先级
这一章要解决什么问题
分了类，还有个更实际的问题：这么多事，先干哪个？ 这一章让 AI 自动给每条任务判个高 / 中 / 低优先级，还能按优先级把列表排一排，让你一眼看到「最要紧的排在最上面」。
这是什么
一个「自动排轻重缓急」的功能。AI 权衡每条任务的紧急和重要程度，标上高 / 中 / 低，并可以据此排序。管道照旧，指令换成「请判断优先级」。
为什么现在需要它
因为**「都重要」等于「没重点」**。真正帮到人的助手，不只是列出事情，还能帮你分清主次。让 AI 先给个初判，你再微调，比你对着一长串从零开始排要省力得多。
让 AI 执行的小任务
任务目标：
给 AI Todo 增加「AI 判断优先级」功能：让大模型给每条任务标上
高 / 中 / 低优先级，并支持把列表按优先级从高到低排序。
当前状态：
项目能正常增删改查、能 AI 分类，后端已打通大模型 API。
限制条件：
- 复用已有的大模型 API 配置。
- 优先级只用三档：高 / 中 / 低。
- 优先级要能存进数据库，刷新后还在。
- 前端要能清楚显示每条任务的优先级，并提供一个「按优先级排序」的开关或按钮。
期望结果：
1. 有一个「AI 判断优先级」的按钮，点一下给所有任务标上高/中/低。
2. 每条任务显示它的优先级。
3. 能一键把列表按「高→中→低」排序，重要的排在最上面。
4. 刷新后优先级和排序依然有效。
验收标准：
1. 点击后，任务都被标上了高/中/低。
2. 优先级判断符合常识（“明天要交的报告”应为高，“有空翻翻的书”应为低）。
3. 点排序后，高优先级的确实排到了最前面。
4. 刷新后仍然正确。运行后应该看到什么结果
任务都标上了优先级，点一下排序，重的浮上来：
[高] 预定沙龙场地（拖不得，越晚越难订）
[高] 发送邀请函并统计报名
[中] 采购茶歇和物料
[中] 制定当天流程表
[低] 活动后整理反馈问卷如何验收结果是否正确
- 符合常识吗：标成「高」的，真的是最急最重要的吗？有没有把小事标成高、把大事标成低？
- 能解释吗：随便挑一条问自己「它凭什么是高？」，如果你想得通它的道理，说明 AI 判得靠谱；如果你完全看不懂它为什么这么标，那就要警惕了。
- 排序对吗：点了排序，是不是真的高在上、低在下？
💡 优先级这道判断题，有个好用的验收诀窍：要求 AI 顺便说说理由。能把「为什么是高」讲清楚的判断，通常更可信；讲不出所以然、甚至前后矛盾的，就是在「硬标」。让 AI「说人话解释一下」，是你识别它到底是真懂还是瞎蒙的利器。
如果结果不对，怎么反馈给 AI
优先级基本合理，但「活动后整理反馈」被标成了「高」，我觉得它其实不急。
请调整发给大模型的指令：
判断优先级时，同时考虑「有多急（截止时间近不近）」和「有多重要（影响大不大）」，
并且在每条任务后面用一句话简短说明为什么给这个优先级，方便我核对。本章小结
AI 帮你把一堆待办排出高中低、把最要紧的顶到最上面。验收时抓两点：判断合不合常识、能不能解释得通。让 AI 附上理由，是分辨它「真懂」还是「硬标」的好办法。
41. AI 输出结果验收
这一章要解决什么问题
前面四章，你已经给 Todo 装上了四种 AI 能力。这一章不加新功能，而是回答一个贯穿所有 AI 功能、也最重要的问题：AI 给的东西，我到底该怎么验收？以及——当它给得不好时，我怎么让它变好？把这两件事练成本事，你才算真正会用 AI，而不只是会点按钮。
先接受一个真相：AI 的输出，不是每次都对
这是这一章、甚至这一整部分，最需要你记住的一句话：
⚠️ 大模型会「一本正经地胡说」。 它给出的答案总是流畅、自信、看起来很像那么回事——但看起来对，不等于真的对。它可能编出一件你没写过的任务、把明明是工作的事分到生活、给一件小事标上最高优先级，而且语气一样笃定。它不是故意骗你，它只是「预测出了一段听起来最合理的话」，而合理不等于正确。
这就是为什么，我们从第一部分讲到现在的那道判断题，在 AI 功能这里，变得比任何时候都关键：
- 做前端后端时，AI 写的代码「能跑就基本是对的」，判断相对容易。
- 但 AI 的内容输出是活的、带不确定性的，同一个输入，它今天这么答、明天可能那么答。唯一能保证质量的关卡，就是你——那个审一遍的人。
AI 负责生成，人负责把关。这两件事缺一不可。 一个会用 AI 的人，和一个只会点按钮的人，差别就在于审不审、会不会审。
AI 输出验收清单（通用，四个功能都能用）
无论是拆解、总结、分类还是优先级，给你一份随身带的验收清单。做完任何一个 AI 功能，都拿它对一遍：
1. 它理解我的需求了吗？
- AI 有没有搞懂我到底想让它干嘛？（比如我要它拆任务，它没跑去帮我总结）
2. 输出能直接用吗？
- 给出来的结果，我能不能拿来就用，还是得大改一通才能用？
3. 内容对不对？（分功能看）
- 拆解：每条子任务都可执行、不空洞吗？
- 总结：准确覆盖、没有凭空编造吗？
- 分类：符合常识、边界情况处理得稳吗？
- 优先级：符合常识、说得出理由吗？
4. 有没有这三种「AI 常见病」？
- 跑题：有没有冒出跟需求无关的东西？
- 重复：有没有几条其实是同一件事？
- 遗漏：有没有明显该有却没出现的关键项？
5. 格式方便用吗？
- 输出是清清爽爽、能直接进 Todo 的一条条，还是糊成一大段、还得你手动整理？
💡 这份清单，就是把「判断 AI 输出」这件事标准化了。你不懂代码，也能靠它稳定地判断「AI 这次答得到底行不行」。这和第 15 章的「前端验收清单」是一对——一个管页面，一个管AI 输出，凑齐了，你就能验收这门课里几乎所有的结果。
更进一步：AI 答得不好，怎么「调教」它？
审出问题只是第一步。真正的高手，会把「让 AI 变好」也变成自己的能力。而办法，几乎总是同一个——改提示词、加约束。
回想一下前面几章的「反馈」示范，它们其实都在做同一件事：不是自己动手改结果，而是回头去改「发给 AI 的指令」，让它下次就答对。
- 嫌拆得太笼统 → 加一句「每条必须具体、可当天执行，控制在 8~15 条」。
- 怕它编造任务 → 加一句「只能基于我提供的任务，不许自己补充」。
- 分类总出错 → 加一句「和客户、同事相关的，一律归工作」。
- 优先级看不懂 → 加一句「每条附上一句为什么，方便我核对」。
看出规律了吗？你给 AI 的约束越清楚，它跑偏的空间就越小。 这就是「指挥 AI」——你不需要会写代码去改逻辑，你只需要把「我到底要什么、不要什么」讲得更明白。
💡 这正是一道被反复强调的选择题 + 判断题的合体：AI 给你结果（你判断好不好），不好的话，你选择加什么约束让它变好。改一版指令、再看一版结果，来回几趟，AI 的输出就被你「调」到位了。能把 AI 调教到听话，比自己会写代码更值钱——因为这是可以迁移到任何 AI 工具上的通用本领。
让 AI 执行的小任务（把「调教」练一遍）
挑一个你觉得答得最不满意的功能（多半是拆解），用这个提示词，专门练一次「加约束」：
任务目标：
优化 AI 拆解任务的输出质量，我要通过调整「发给大模型的指令」来让它答得更好，
而不是改动其他功能逻辑。
当前状态：
AI 拆解功能能用，但输出有这些问题（按你的实际情况填）：
- 有的任务太笼统，没法直接动手；
- 偶尔会冒出跟目标无关的任务；
- 条数忽多忽少，有时还重复。
限制条件：
只调整后端发给大模型的那段指令（提示词），不要改动前端和数据库结构。
期望结果：
调整后，再输入「下周办一场 50 人的线下沙龙」，拆出来的任务：
每条都具体可执行、数量在 8~15 条之间、不跑题、不重复。
验收标准：
1. 重新拆解后，明显比之前更具体、更干净。
2. 用我上面那份「AI 输出验收清单」逐条过一遍，大部分都能打勾。
3. 其他功能没有被这次调整影响到。运行后 & 如何验收
重新拆一次，然后拿出上面那份验收清单，一条条打勾。你会直观地感受到：同一个 AI，指令改好了，输出立刻上一个台阶。 这种「我改了指令，结果就变好」的掌控感，就是「指挥 AI」最真实的样子。
本章小结
AI 会「自信地答错」，所以人的验收（判断题）在 AI 功能里空前重要——AI 负责生成，你负责把关，缺一不可。用那份「AI 输出验收清单」稳定地审；审出问题，就靠改提示词、加约束去调教它。会审、会调，你就从「点按钮的人」变成了「指挥 AI 的人」。
这一部分的收尾
停下来，好好看一眼你现在手里的东西——它已经不是一个普通的待办清单了。
你的 Todo，长出了 AI 大脑：
- 🧠 扔一句大目标，它帮你拆成一串可执行小任务；
- 📋 满屏待办，它帮你总结成一句话概览和今日重点；
- 🏷️ 每条任务，它自动帮你分类贴标签；
- ⬆️ 轻重缓急，它帮你判优先级、把要紧的顶到最前。
Todo，正式变成了 AI Todo。 这是这门课的一个真正的里程碑——你亲手（更准确说，是亲自指挥 AI）给一个普通应用，装上了会思考的大脑。为这一步，值得庆祝一下。
比功能更重要的，是你在这一部分练到的两样东西：
- 你彻底想清了「两种 AI」——开发时用 Claude Code 写代码，运行时让应用调 AI API 思考。
- 你亲身体会到：AI 的输出带着不确定性，所以那道判断题在这里最关键——AI 生成，人来把关，而且你还学会了用「改提示词、加约束」去调教它。
功能，做到这里已经相当完整了。但你可能也隐约感觉到：这一路你其实一直在做同一件事——把需求讲清楚、看结果、不对就调。这门「怎么指挥 AI」的手艺，我们一直在用，却还没系统地梳理过。
是时候把它练成真功夫了。下一部分 第八部分：学会指挥 AI 开发，我们不再急着加功能，而是回过头，把「如何又稳又高效地指挥 AI」这件事，从头到尾讲透。