写在前面：我们为什么要给它起名叫 ACW

过去几年，很多人学习 AI 的入口都是 Prompt。

这并不奇怪。Prompt 是最容易被看见的部分：你输入一句话，AI 返回一段答案；你把话说得更清楚，答案就更接近你想要的样子。于是大量教程开始教人如何写角色、写背景、写步骤、写示例、写输出格式。对刚开始使用 AI 的人来说，这些方法确实有效。

但只要任务稍微变长，Prompt 的边界就会立刻出现。

你让 AI 帮你写一篇短文，它可以完成。你让它长期写一本书，记住前后设定、保留风格、维护目录、记录每次修改原因、根据审校意见反复迭代，它就很容易开始混乱。你让 AI 修改一个函数，它可以完成。你让它理解整个工程的架构、遵守团队规范、知道哪些文件能改、哪些文件不能动、测试如何运行、上线风险在哪里，单条 Prompt 就不够了。

问题不在于 Prompt 没用。问题在于 Prompt 主要解决的是“一次表达”，而很多真正有价值的任务需要的是“长期协作”。

长期协作需要环境。它需要稳定背景、明确规则、可追溯过程、可验证结果，也需要一个地方承载最终成果。对人类团队来说，这些东西很自然：我们会有项目目录、需求文档、会议纪要、代码规范、设计稿、测试报告、版本记录。可是当我们使用 AI 时，很多人又退回到最原始的方式：打开一个聊天框，把所有东西塞进一段话里，然后希望 AI 立刻接住全部复杂度。

这就是本书要讨论的问题。

我们需要把 AI 协作从“会写 Prompt”，升级到“会搭工作区”。这个工作区不是为了好看，不是为了把文件夹分得很整齐，而是为了让 AI 能够按工程方式管理上下文：知道从哪里读背景，从哪里找规则，把过程产物放在哪里，把最终成果放在哪里，什么时候该停下来确认，什么时候可以自主执行，做错了以后如何把错误沉淀成下一次不会再犯的规则。

老外喜欢造词，我们也来。这个东西以后就叫 AI Context Workspace，简称 ACW。

ACW 不是某个软件的专属功能，也不是某个模型的隐藏技巧。它是一种组织 AI 协作的方法：把上下文、规则、流程、产物和验证标准放进一个可持续演化的工作空间里。你可以把它用于写作、软件开发、研究、运营、咨询、个人知识管理，也可以用于团队内部的复杂项目。

这本书不会把 ACW 讲成一种神秘框架。相反，我们会从一个非常小的实验开始，逐步拆开它的基本结构。你会看到，ACW 的核心不是“建几个目录”，而是让 AI 在这些目录之间形成可靠的行动路径。

如果说 Prompt 是你对 AI 说的一句话，那么 ACW 就是你和 AI 共同工作的桌面。

桌面上有什么、什么东西放在哪里、哪些资料可以长期相信、哪些只是临时草稿、哪些规则必须遵守、哪些结果已经交付，这些都会影响 AI 的表现。一个没有工作区的 AI，会像临时被拉进会议室的外包顾问；一个被 ACW 支撑的 AI，更像长期参与项目的协作者。

本书的目标很简单：让你读完以后，可以搭出自己的第一个 ACW，并且知道它为什么这样设计，未来又该如何演进。