在計算機科學中捕捉人類與人工智能的互補性

超越電腦科學中的 Vibing：捕捉 人機互補技能 您可以分享和協作

我們大多數人一開始都是與 AI「溝通」：嘗試幾個提示，選取看起來不錯的東西，然後發送。這對於修修補補很好，但對於團隊來說就太弱了。如果您想要可重複的品質、知識分享與真正的合作，就必須讓您的實作顯而易見。

1) 開始前先說出目的

寫一句話：為什麼在這裡使用 AI 而不是更簡單的方法？如果您無法證明其合理性，請先建立非 AI 基線。這樣可以建立道德代理權，並避免儀式提示-複製貼上「神奇」的提示，卻沒有將其與任務相匹配。

2) 使輸入可檢查

記錄輸入的內容：來源、限制、確實的提示/設定，以及刪除。版本化。未來您 (和您的審查員) 需要看到設定，而不只是輸出。

3) 不接受。檢查。

在生成之前決定檢查。保留一個很小的測試集，加入一個對立個案，並記錄您保留、變更或移除了什麼。您正在訓練專業判斷。

4) 記錄人類與 AI 的角色

寫下交接內容：AI 提出什麼建議、您批准什麼、您在哪裡否決。角色明確可將協助轉化為負責任的合作。

5) 擷取人力附加價值

請注意您對感性創作的貢獻：優先順序、淺白語言解釋、適合受眾、無障礙性。這就是您的專業簽名。

6) 像設計一樣對待取捨

記錄您選擇接受的限制條件：正確性、延遲、成本、可維護性。加上一行理由。優秀的團隊會公開地進行交易，而不是默默地。

7) 關閉迴圈

記錄一個真正的問題、解決方法，以及下次您將如何轉移人類與人工智能的分野。以三個下一步行動結束。小循環建立適應性的專業知識。

---

您可以在任何 README 或 pull request 中加入一個小區塊

• 目的
• 輸入 (來源、提示/設定連結)
• 檢查運行
• 人類 ↔ AI 角色 (交接、覆寫)
• 選擇的權衡
• 人的附加價值（感性、清晰度、可及性）
• 學習與下一步行動（3 個小項目）

REACT 7 問題反思日誌旨在用來明確記錄人類與人工智能的互補性和工作方式，以加強電腦科學學生的適應性專業知識，與自由形式的反思相比，增加價值捕捉、知識共享和協作。