1 
最近一年，我在使用一套自己维护的工作流。使用它们的初衷是，把我对 AI 的常见要求流程化，而不引入市面上更重的系统。 
比如：在“实施修改”这条工作流里，我会教 AI：“先修改，静态验证，再测试，再找子代理检视，再写文档，最后给我看效果”。 
对于年初时候的国模，这套流程约束是有明显效果的，能够让它们干活干得更细致。 
但现在，就算是国模，这些基础操作也不需要我教了（还得阻止它们过度测试呢。）我不禁问自己：工作流真的还有意义吗？ 
2 
工作流的弊端在于牺牲了模型天生的泛化能力。 
当工作流适用的情形与实际场景不适配的时候，就会导致降智或过度工作。 
如果我想用 AI 做视频，而 AI 加载了“实施修改”工作流，它就会因为不知道如何给视频做单测、写文档而困惑。 
又比如，把“网络调研”写进工作流以后，即便是最简单的决策都会触发好多轮搜索。若我希望提高上下文利用率，还得定义清楚：“什么...