浪费 20 亿 Token 换来的教训：把目标说清楚，比让 AI 拼命干活更重要

他一天浪费了 20 亿 Token，才做了这个东西

卡兹克在文章里梳理了这几年我们和 AI 协作方式的变化：最早是聊天制，你问一句它答一句；后来有了 Coding Agent，变成任务制，你派一个活它自己干完交回来；到今年，Claude Code、Codex 这些工具都有了「目标模式」，你交给它一个目标，它自己拆任务、自己调工具、自己验证、失败了自己重试，连续跑几个小时甚至几天，你只管最后验收。

听起来很美好，但他指出了一个致命的问题：

「短任务跑偏了，你看一眼，还能马上纠正。长程任务跑偏了，你睡醒以后，它可能已经沿着错误方向狂奔了八个小时。它越勤奋，浪费得越彻底。」

他自己就这样一天浪费了 20 亿 Token。

而且他很坦诚：问题不在 AI，在他自己目标定义得不清楚，AI 理解错了，就朝着错误的方向一路狂奔。

Leader.skill 是干嘛的

用他自己的话说，这个 Skill「专治想不清楚目标的领导」，名字就是这么来的，毕竟很多领导也是说不明白话的。

流程是这样的：你把一句很「领导」的模糊需求甩给它，比如他自己的例子：「我要重构后台，我觉得做得不符合我心意，我看不懂，我不相信里面的数据是真的，而且卡得要死」。

Leader.skill 接到之后不会立刻动手写，而是先去实测你的文件、上网调研方案，然后反过来问你最多 5 个必须由你拍板的问题。比如它就直接问卡兹克：为啥看不懂？

问完之后，它才开始写目标任务书：有定义、有边界、有现状、有规矩、有完成条件，全程 12 分钟左右。拿着这份任务书，你再开一个新会话交给擅长执行的模型去长程开发，几个小时后回来验收就行。