跳转至

用好 Claude 的 18 个动作：搭一个个人 AI 工作台（Personal Harness）

Ch01.369 用好 Claude 的 18 个动作：搭一个个人 AI 工作台（Personal Harness）

📊 Level ⭐⭐ | 9.7KB | entities/ruofei-claude-18-actions-personal-ai-workbench.md

用好 Claude 的 18 个动作：搭一个个人 AI 工作台（Personal Harness）

作者：若飞，公众号：架构师（JiaGouX）
原始链接：原始链接
日期：2026-05-18

摘要

若飞（架构师 JiaGouX）提出的 Personal Harness 范式：把 Claude 用得好不好定位为「环境工程问题」而非「提示词技巧问题」。核心洞察 —— 给 Claude 一个稳定的工作现场，比优化每次的提示词更重要。通过 18 个具体动作和六层工作台结构（Workspace / Identity / Behavior Contract / Task Entry / Output Standards / Context Governance），把 Claude Projects + Custom Instructions + Memory 三大工具组合成可治理的个人 AI 工作环境。

一句话

AI 用得好不好，越来越像环境工程问题 —— 给它一个稳定的工作现场，比优化每次的提示词更重要。

核心要点

1. 范式转移：从"提示词优化"到"环境工程"

传统思路： - "如何写出更好的 prompt" - "如何用 few-shot 让模型更准" - "如何 chain-of-thought 推理"

Personal Harness 思路： - "如何给模型一个稳定的工作环境" - "如何让上下文在不同任务间可治理" - "如何让模型在多次会话间保持行为一致"

核心洞察：模型能力见顶后，上下文环境的工程化是下一波生产力提升的关键。

2. 六层工作台结构

层 职责 Claude 对应工具
1. 工作区（Workspace） Project 划分任务边界 Projects
2. 身份（Identity） 个人说明 Custom Instructions（Identity 部分）
3. 行为规则（Behavior Contract） 行为约束 Custom Instructions（Rules 部分）
4. 任务入口（Task Entry） 先问问题再执行 任务模板
5. 输出标准（Output Standards） 风格样本、输出长度、完成标准 风格样本 / Output Schema
6. 上下文治理（Context Governance） 新话题开新 chat Chat 管理策略

3. 关键语录

"Project 是边界，不是万能记忆"

Project 不是用来"塞所有内容"的容器 —— 每个 Project 应该聚焦于一个明确的领域（Work / Writing / Learning）。跨领域的需求应该开新 Project，避免上下文污染。

"Custom Instructions 是行为契约，不是人格设定"

Custom Instructions 不应该写成"你是一个友善的、专业的助手"这种人格描述 —— 应该写成可强制执行的行为规则（"代码必须先解释再写"、"每次回答前先列出假设"）。

"流程卡片 = 过程资产，而非一次性提示词"

把"如何做某事"固化成可复用的流程卡片，每次直接调用 —— 这相当于给 Claude 装上了"机构知识"。

"AI 不会因为知道更多，就一定帮得更好。它要知道的，是和你有关的那一部分。"

通用知识是基础，但决定 AI 实际产出质量的是 个人上下文 —— 你的项目背景、风格偏好、历史决策。这正是 Personal Harness 要提供的。

4. 最小可行版本：3 Projects

如果只能从 3 个 Project 起步：

  • Work：工作项目、技术方案、会议、客户沟通
  • Writing：文章、公众号、标题、选题、风格样本
  • Learning：论文、课程、概念理解、读书笔记

每个 Project 配 5-10 条 Custom Instructions + 2-3 个风格样本 + 1 套任务模板，就可以覆盖 80% 的日常需求。

5. 18 个动作的覆盖维度

虽然原文给出的是 18 个具体动作（详见原文），但可以归为 5 个工程维度： 1. 环境搭建（建 Project、配 Custom Instructions、挂 Memory） 2. 任务入口（设计任务模板、问题清单、假设前置） 3. 输出约束（风格样本、长度限制、完成标准） 4. 上下文治理（新话题开新 chat、定期清理 Memory、跨 Project 引用规范） 5. 反馈循环（反方评审、压力测试、迭代优化）

深度分析

1. Personal Harness 是 Harness Engineering 的个人版

2026 年 Harness Engineering 是 AI 编程领域的主流范式 —— 给 Coding Agent 一个稳定的工作环境（CLAUDE.md、AGENTS.md、测试套件、CI 回路）。若飞这篇文章的核心论点是 同一个范式适用于个人 AI 使用：

  • Coding Agent 需要 Harness → CLAUDE.md、AGENTS.md、tools、tests
  • 个人使用 Claude 需要 Harness → Projects、Custom Instructions、Memory、风格样本

两者本质相同：模型 + 工作环境 = 稳定产出。脱离环境的"裸 prompt" 是一次性的赌博，有环境的"harness prompt" 是可复现的工程。

2. 六层结构对应软件工程的成熟分层

把六层结构映射到软件工程的成熟分层：

Personal Harness 软件工程对应 解决的问题
Workspace（工作区） 命名空间 / 模块 边界
Identity（身份） 用户模型 / 角色 谁在用
Behavior Contract（行为规则） API 契约 / Linter 一致性
Task Entry（任务入口） API Endpoint 输入标准化
Output Standards（输出标准） Schema 验证 输出可预期
Context Governance（上下文治理） 缓存失效策略 状态管理

这不是巧合 —— 个人 AI 工具的成熟路径会复刻软件工程的成熟路径。

3. 「流程卡片」是最被低估的资产

18 个动作中，"流程卡片"（process card）这一类资产长期被低估：

流程卡片 = 把"我通常如何做 X"固化成可复用的结构化 prompt。例如： - "代码评审流程卡"：先看测试覆盖 → 再看命名 → 再看错误处理 → 再看性能 - "技术文章流程卡"：先列大纲 → 写引子 → 分章节展开 → 自检术语一致性 → 写摘要 - "客户邮件流程卡"：先写主旨 → 写背景 → 写请求 → 写后续步骤

流程卡片的好处是 沉淀经验 —— 一次设计，多次复用，且每次复用都在强化。

4. 上下文治理 = 最难的工程问题

六层里最难做好的是「Context Governance」：

  • 同一个 chat 跑太久 → 上下文污染 → 后面的回答质量下降
  • 跨 Project 复用内容 → 上下文碎片化 → 模型不知道用哪一份
  • Memory 自动写入 → 噪音累积 → 真正重要的信息被淹没

工程上对应的就是缓存失效、状态管理、数据治理。2026 年的 Claude Projects 还没自动解决这些问题，需要用户自己设计策略（"每个任务一个 chat"、"Memory 定期清理"、"跨 Project 用相对路径引用"）。

实践启示

  1. 用 Claude 的第一周，建 3 个 Project。Work / Writing / Learning 起步，每个 Project 配 5 条 Custom Instructions + 2 个风格样本。这一步做好了，80% 的日常使用都能稳定。
  2. Custom Instructions 写"行为规则"不写"人格描述"。"代码必须先给测试再给实现"是行为规则；"你是一个友善的助手"是废话。规则要可强制执行。
  3. 流程卡片是个人 AI 时代的最重要资产。花一下午设计 5-10 张流程卡片（代码评审、文章写作、客户邮件、读书笔记...），未来 6 个月都会受益。
  4. 新话题开新 chat，别贪图上下文延续。一个 chat 超过 30 轮就开始质量下降 —— 宁可分多个 chat，每个 chat 配独立 Memory，也不要一个 chat 跑一天。
  5. 把 Claude 当成"机构新员工"管理。给身份（Identity）、给行为规则（Behavior Contract）、给工作环境（Workspace）、给任务模板（Task Entry）、给输出标准（Output Standards）、给定期 review（Context Governance）。这就是 Personal Harness 的核心 —— AI 时代的高产者，都是好的"AI 管理者"。

相关实体