1. 管它好不好，先用起来再说。先破掉自己的行为惯性和路径依赖，即使前几次答案不够好，建议先PUA一下自己，是不是没有给足背景信息、涉及前因后果的完整信息或者问题没有描述清楚。PUA自己后再PUA它。有个技巧还挺好用的，多问它“你需要我提供什么样的信息给你？”，甚至你还可以把自己“不满意”的地方发泄到与 AI 的对话中，随后你会发现，你用越多，它提供你的回答越合理。
2. AI agent 产出效果，开始越来越受到上下文记忆的影响了，因为人在物理世界里做决策，也不是依靠单次思考就能形成的。你需要动用你的经验、别人的经验、甚至还要反复纠结比对，这些更底层都是对“记忆”的调取。如果想把记忆能力用在 AI 身上，可以尝试让关键的信息存储在memory中，但有的时候memory存储起来也有点儿麻烦，所以可以继续看3中的技巧
3. 尝试组建自己的 agent 团队，一方面解决2中问题，持续约束单一 agent 处理同一方向的问题，且大部分 agent 都具备基础的历史上下文记忆和理解能力，所以用得频次越多会发现这个 agent 在解决某方面问题时越来越好用。
但更重要的是，倒逼自己想清楚自己的工作流、任务所需职能和各职能边界，这是一种“管理”能力，未来直接带人的管理者越来越少，带多 agent 的情况越来越多，agent 相比人最大的好处是没有感情随便用，但这就意味着几乎没有人给你情绪上的反馈来帮你迭代管理经验，更依靠自己把事情拆干净拆明白，不然 agent 也会越用越乱，一个典型场景是你没分出哪个 agent 做商家分层探索的策略，哪个 agent 做数据分析的职能，就会出现策略做着做着搞出来一些分析技巧，扰乱你的思路。反倒是做商家分层策略探索的就只做这一件事儿，循环往复地给它输入相关信息，它的产出会越来越聚焦，给出的东西越来越可用。