CSF

体验对比指南

做同一件事，用两种方式，感受差异。

---

实验设计

选一个你正在做的小项目（或虚构一个），用两种方式各做 3 次对话，对比效果。

方式 A：普通用法（对照组）

每次对话直接告诉 AI 要做什么。不用 context 文件。像平时用 ChatGPT 一样。

方式 B：CSF 用法（实验组）

1. 填好 context.md
2. 每次对话开头说：”读 context.md，然后汇报状态”
3. 对话结束前说：”更新 §C 和 §D”

---

观察维度

3 次对话后对比：

维度	方式A表现	方式B表现
AI 第 2/3 次对话是否还记得之前做了什么？
AI 是否会主动提醒你遗漏的事项？
AI 的建议是否与项目当前阶段匹配？
你需要花多少时间解释背景？
AI 是否跑偏？跑偏后能否自行纠回？

---

预期结果

方式 A 的典型问题：

• 第 2 次对话 AI 不知道第 1 次做了什么 → 需要重新解释
• 第 3 次对话 AI 给出的建议与之前矛盾 → 没有连续性
• 项目变复杂后 AI 的回答越来越泛 → 失去方向感

方式 B 的典型改善：

• 每次对话 AI 读了 context 就知道”做到哪了” → 无缝接续
• §D 写了下次计划 → AI 自动延续方向
• 备忘区记着遗留事项 → 不会遗忘
• “三条规则”约束 → AI 不乱猜

---

如果方式 B 有效

你刚刚体验的就是 CSF 的最小核心。完整版 CSF 在此基础上增加了：

能力	解决什么问题	增加什么
角色分离	设计和编码是不同思维模式	多个 context 文件
规程库	某些操作步骤复杂，不想每次解释	protocols/ 文件夹
经验库	AI 反复犯同一个错	经验库/ 文件夹
任务窗口	项目大了，当前阶段信息太多	§B 三元组机制
触发调度	不同场景需要不同工作方式	Owner SOP 速查

每一层都是可选的。按需叠加，不需要一步到位。

---

CSF 的一句话

让 AI 通过一个文件”记住”项目状态和工作方向，人负责确认方向，AI 负责执行细节。仅此而已。其他所有机制都是这个核心思想在不同复杂度下的自然展开。

This site is open source. Improve this page.