当前位置: 首页 > news >正文

给 AI 长出一件新本事——插件不用敲,是聊出来的

前面几篇,咱们一直在“用”——用现成的工具、配现成的角色、调现成的能力。

这一篇,咱们换个身份:从用的人,变成造的人。

我知道“写插件”这三个字,听着就劝退:得懂代码吧?得会搭环境吧?得是程序员吧?

我跟你说件可能颠覆你认知的事——造插件,你压根不用自己敲代码。

你要做的,是把脑子里那套规矩讲清楚:这件事该怎么干、按什么流程走、有哪些红线碰不得。讲明白了,剩下的代码,让 AI 替你写。你负责立规矩,它负责落地。

所以这一篇真正难的,从来不是“写”,是想清楚“我要给 AI 添一件什么本事、这本事得守什么规矩”。

我想让你看完之后,脑子里冒出来的不是“哦,插件原来这么写”,而是“等等,我那个天天重复的破活,是不是也能这么给 AI 造一件,一劳永逸?

那个念头,才是这篇真正想给你的东西。

来,跟我造一件。

一、一件烦了我很久的小事

先说个我自己的真事。

我每写完一篇文章,习惯做一道收尾工序:整理成一个规范的“发布包”——建个文件夹,正文放进去,再配一份说明,写清楚标题、一句话摘要、几个标签、准备发去哪几个平台。就这么个固定动作,每篇都得来一遍。

一开始我顺手就甩给 AI:“帮我把这篇整理成发布包。”

它干得了,但你猜怎么着——每次干得都不太一样。

这回摘要写两句、下回写一大段;这回标签放文件名里、下回塞进正文开头;这回老老实实建了文件夹、下回直接糊成一坨。我每次都得回去返工对齐。

我起初还怪它笨。后来才回过味来:不是它笨,是这种活根本就不该靠它“发挥”。

你想啊,AI 最擅长的是理解、是组织语言、是随机应变。可“每次都按同一套规范、生成同一种格式”这种活,要的恰恰是不许发挥、分毫不差。让一个最擅长发挥的家伙,去干一件最忌讳发挥的活,它当然每次都给你来点“惊喜”。

这就是现成本事够不着的地方——AI 自带的那些通用能力里,压根没有“按我这套死规矩打包文章”这一件。

没有,那就造一件。而且是——“聊”出来一件。

二、先破个误会:插件不是什么黑科技

动手之前,我得先把“插件”这俩字头上的光环摘掉。

你可能以为插件是个了不得的工程:一套框架、一堆配置、编译打包、再挂上去。

不是。说穿了,一个插件就是一个能被自动加载的小文件。

你在工作间里建一个文件夹.opencode/plugins/,往里头扔一个.js文件,工具一启动就自动把它捡起来、加载上。没有编译,没有打包,存盘、重启一下就生效。

这文件里头干嘛的?就一件事:往 AI 干活的某个环节上,挂一段你想要的逻辑

“挂在某个环节上”这句,是整个插件机制的命根子,我用个生活里的例子讲透。

你把 AI 干活的过程,想象成一条流水线:它读文件、它写东西、它执行命令、它一轮活干完了……每一个这样的节点,工具都给你留了一个“挂钩”。插件干的事,就是往某个挂钩上,挂一段你自己的逻辑。

最小的一个例子,是拦住 AI 别去读.env文件(那个存着数据库密码、密钥的敏感文件)。它的逻辑用大白话讲就一句:“AI 动手读文件之前先过我这关,发现要读的是.env,就喊一声‘不许’、拦下来。

落到代码,也就十行不到。但你注意——这个例子虽小,却把插件最被动的一种用法摆出来了:它只是在 AI 要犯错时喊“站住”。

这有用。但它远不是插件的本事所在。

插件真正的力量,不是“拦住 AI 不让它干什么”,而是“给 AI 造一件它本来根本没有的新本事”。

前者是设防,后者是创造。这一篇,我要带你干的,是后者。

三、换个念头:不是写按钮,是给 AI 添一道菜

回到我那个“打包文章”的烦恼。

你可能第一反应是:那写个脚本不就行了?写个程序,跑一下,把文章打包好。

可以,但那又退回老路了——那是“我自己用的工具”,不是“AI 的本事”。我还得记着什么时候去跑它、怎么跑它。

插件的思路完全不一样,而且这点最反直觉,我得说清楚:

你不是在写一个等人去点的按钮,你是在 AI 的“能力菜单”上,加一道新菜。

什么意思?AI 本来手上就有一份能力清单:读文件、写文件、执行命令、上网搜……这些是它天生会的。你造一个插件工具,等于往这份清单上多加了一项,比如“打包文章”。

加上之后会发生什么?神奇就神奇在这儿——你不用命令它“现在去打包”,它自己会判断什么时候该上这道菜。你只要像平时聊天那样说一句“这篇写完了,整理一下准备发”,AI 一看清单上正好有“打包文章”这道菜,自己就把它点了。

你品品这差别:

  • 写脚本,是你多了一个得自己惦记着去操作的工具
  • 写插件工具,是 AI 多了一项它自己会判断、自己会调用的本事

前者是你手更累,后者是 AI 更能干。这就是为什么同样一段打包逻辑,做成插件工具,价值完全不一样。

想通这一层,咱们才算真正站到“造”的起点上。

下面就动手——准确说,是动嘴。

四、第一步:把“这件事到底怎么干”讲给 AI 听

“聊”出一个插件,第一步不是打开编辑器,是打开对话框,把你要的本事讲清楚

讲清楚,分三层,一层都不能含糊。我一层一层带你走,用的就是“打包文章”这个真例子。

第一层:这件事要什么、出什么。

你得先跟 AI 说明白这道菜的“进”和“出”:

“我要给你加一个工具,叫‘打包文章’。它收一篇文章的正文,外加标题、摘要、标签、要发的平台;干完之后,给我建一个文件夹,里面放好正文文件和一份说明文件。”

你看,这段话里没有一个字是代码。你只是在描述一件事的输入和产出——这恰恰是只有你(而不是 AI)才清楚的东西,因为这是你的规矩、你的习惯。

第二层:按什么流程、什么规范。

光说要什么还不够,你那些藏在心里的“讲究”,得一条条抖出来:

“摘要必须压在 80 字以内,超了你帮我截断;标签最多 5 个,多的砍掉;平台名按‘知乎、掘金、公众号’这个固定顺序排;文件夹名用文章标题,但要把空格和特殊符号换成横杠。”

这一层,才是这道菜的灵魂。前面 AI “每次干得不一样”,根子就在这些规矩从来没被白纸黑字定下来过,全靠它每次临场猜。现在你把它们钉死,AI 以后就照章办事,不再发挥。

第三层:哪些红线不能碰。

最后,把门禁立上——这一步千万别省:

“动手之前先扫一遍内容,要是发现里面混进了密码、密钥、Token 这类敏感信息,立刻停下、报错提醒我,绝对不许打包出去。”

看到没——开头那个“拦 .env”的防御动作,在这儿回来了,但它不再是孤零零一个补丁,而是融进了你这件新本事的规矩里,成了它自带的一道安全门。

这就是“立规矩”的全部:要什么、怎么干、什么不许干。三层讲完,你脑子里那套打包文章的隐性讲究,就全变成了明文。

而你会发现,这三层从头到尾,你说的全是人话,没碰一个字的代码。

五、第二步:让 AI 把规矩翻成代码

规矩立好了,下面这步,才是“不用敲代码”的关键。

你把上面那三层规矩,原原本本发给 AI,再补一句:

“照这套规矩,给我写成一个 OpenCode 的插件工具,放进.opencode/plugins/。”

然后——它就给你写出来了。

它会生成一个.js文件,里头那段代码大概长这样(我贴出来不是让你背,是让你看清“人话”是怎么变成“工具”的):

import{tool}from"@opencode-ai/plugin"exportconstPackArticlePlugin=async()=>{return{tool:{打包文章:tool({description:"把一篇文章整理成规范的发布包",args:{正文:tool.schema.string(),标题:tool.schema.string(),摘要:tool.schema.string(),标签:tool.schema.array(tool.schema.string()),平台:tool.schema.array(tool.schema.string()),},asyncexecute(args){// 这里是 AI 替你写的逻辑:// 扫敏感信息 → 截断摘要 → 砍多余标签 →// 建文件夹 → 写正文和说明文件return"打包完成:发布包已生成"},}),},}}

你不用真懂这段代码,但我请你认出三个东西,因为它们和你刚才说的人话,是一一对应的

  • description(这是干嘛的)——对应你第一层说的“这道菜是什么”。AI 就靠这句话,判断什么时候该点这道菜。
  • args(它要哪些料)——对应你说的输入:正文、标题、摘要、标签、平台。
  • execute(它具体怎么做)——对应你第二、三层那些流程和红线,AI 把它们翻成了一步步的逻辑。

看明白这个对应关系,你就抓住了这一篇最想给你的底气:代码不是天书,它只是你那套规矩的另一种写法。你立的规矩越清楚,AI 翻出来的工具就越靠谱。

规矩讲不清,它写出来的也是一团糟——所以功夫永远在“想清楚”,不在“会不会写”。

六、第三步:跑一遍,再调一轮

文件有了,重启一下工具,让它把这个新插件加载进来。

然后你试一次。还是平时那句话:“这篇写完了,整理成发布包,准备发知乎、掘金、公众号。”

这回你会看到不一样的光景——AI 不再自己瞎组织格式了,它直接点了“打包文章”这道菜:扫一遍内容、把摘要压到 80 字、标签砍到 5 个、平台按你定的顺序排好、建好文件夹。每一次,分毫不差。

第一遍大概率还不会完美。可能摘要截断的位置很生硬,可能文件夹命名你又想改个规矩。

没关系——这恰恰是“聊出来”最大的好处:哪儿不对,回去接着聊。

“摘要别硬截,截到最近一个句号。”
“文件夹名前面再加个日期。”

你提,AI 改对应那几行代码,重启,再跑。改插件,跟当初造插件一样,还是动嘴不动手。

你发现没有——从造到调,你全程都在干一件事:把规矩越说越清楚。代码自始至终是 AI 在碰,你碰的只有规矩。

这事还有个真实的成熟样本可以印证:ArchAIHarness 那套公开的协作工具集(agent-workflows)里,就有一个真在用的“内容打包”能力。它比咱们这个小例子讲究得多——敏感信息扫描更严、还能适配好几个平台的不同要求——但骨架一模一样:先把一套清清楚楚的规矩定下来,再让它长成一件 AI 随手可用的本事。你今天聊出来的这个小工具,跟它是同一条路上的东西,只是它走得更远。

七、真正的礼物:你看世界的眼光变了

到这儿,那个“打包文章”的小工具已经能跑了。但我最想给你的,不是这个工具。

是这之后,你看自己日常的眼光,会悄悄变一下。

以前你遇到一件天天重复、又烦又琐碎的破活,第一反应是“认了,自己干吧”,或者“甩给 AI 碰碰运气吧”。

现在你会下意识地多想一句:“这件事,是不是能给 AI 立套规矩、长成一件本事,以后再不用我操心?

  • 每天把几个群里的消息整理成一份摘要——能长一件。
  • 把杂乱的报销单据按固定格式归档——能长一件。
  • 把会议录音转成带行动项的纪要——能长一件。

这些活的共同点,全是“规矩明确、最忌发挥”。而你现在已经知道:凡是这种活,都能聊出一件专属工具来收拾它。

这就是从“会用”到“会造”真正的分水岭。它根本不在于你会不会编程——

它在于你愿不愿意把一件事彻底想清楚,清楚到能讲给 AI 听。

会写代码的人,多了一种把想法落地的手段;不会写代码的你,靠把规矩讲清楚,照样能让 AI 替你把工具长出来。在这件事上,你和工程师站在同一条起跑线上——拼的是谁更想得清楚,不是谁更会敲键盘。

写在最后

回到开头那个颠覆认知的说法:造插件,不用自己敲代码。

现在你该信了。你今天做的,是把一件烦人的重复活,掰成三层规矩讲给 AI 听——要什么、怎么干、什么不许干;然后让它替你翻成一件能用的工具,再聊几轮调顺。

代码全程是 AI 在碰。你碰的,只有规矩。

所以会不会“造”AI 工具,从来不是程序员的专利。它考的是一件更朴素、也更难的事:你能不能把自己脑子里那套含糊的讲究,想到清清楚楚、讲到明明白白。

想清楚了,AI 就能帮你把它长出来。这,才是 AI 时代最该握在普通人手里的能力——不是会用工具,而是会把自己的需求,变成 AI 能执行的本事。

到这儿,从“看懂”到“会用”再到“会造”,这条路咱们算是走通了。

但造,是没有尽头的。下一篇起,我会挑一个真实场景,带你亲手造一件能落地、有实用价值的东西——一个插件,或者一个小帮手。你手上要是已经有那个“天天重复、烦了很久”的活,记着它——说不定下一件,咱们造的就是它。


关于 ArchAIHarness

这篇文章是「看懂 AI 与智能体」专栏的一部分,由ArchAIHarness持续输出。

ArchAIHarness 是一套面向 AI 时代软件工程的人机协同架构哲学与公开工程资产,主张:

架构师定义秩序,AI 在秩序中生长。人立法,AI 执行,体系审计。

如果你也希望 AI 在明确的规矩里替你长出新本事,而不是在混沌中碰运气,欢迎到 GitHub 上看看我们在做什么:

  • 组织主页:github.com/ArchAIHarness — 了解完整理念与资产全景
  • 本专栏zhuanlan-ai-and-agents— 所有文章的源码与发布记录
  • 实践指南docs— 架构哲学、工程方法和落地指南
  • 开源工具agent-workflows— 可复用的 AI 协作 Agents、Skills 与 Tools,本文那个“内容打包”能力就在这里
  • 工程样例framework— DDD + AI 协作的工程底座,展示如何在开发中融合 AI

Engineered by Architects · Empowered by AI · Audited by Discipline

http://www.cnnetsun.cn/news/3273353.html

相关文章:

  • SpringCloud服务治理实践
  • 拿来即用!C#上位机实现PLC远程控制:Modbus TCP协议+网口通信全解析
  • Istio EnvoyFilter 的高级用法:不该改的地方别手贱
  • 《唤醒你的AI同事:WorkBuddy从零上手》007:初始配置向导
  • 生猪接产智能产房监控 QT信创完整工程
  • 2000-2025年上市公司、地级市国家级“东数西算”工程政策试点DID数据
  • UVa 642 Word Amalgamation
  • Linux之进程(六)--环境变量
  • 单 RGB 摄像头实现复杂环境导航!Robostral Navigate 成功率达 76.6%
  • 【LeetCode 手撕算法】(细节知识点总结)
  • 如何构建自进化企业级 Agent 平台
  • 浏览器自动化_agent-browser
  • OpenClaw基础学习
  • 2026年房地产动画行业观察
  • 前端 CDN 缓存策略调优:静态资源、HTML 与 API 分层设计
  • The Impact of Image Resolution on Biomedical Multimodal Large Language Models
  • 【第008篇】通过dexp和dimp命令导出和导入dmp文件(适用于达梦数据库)
  • 香港虚拟资产双轨监管观察:从 MSO 到 VA OTC 的制度演变
  • 三星AI眼镜Galaxy Glasses技术解析:1200万像素摄像头与光致变色镜片的开发实践
  • Claude Code 100个真实案例 - 用AI搭建爬虫数据采集平台(自动翻页+反反爬)
  • 郑州城市职业学院参编清华教材背后的育人突围之路
  • 【Ambari Plus】15.Livy 安装
  • AI 接手一个项目之前,先给它一张可验证的上下文包
  • hive 学习笔记5——hive常用操作(日常短篇练习应用)
  • Claude Code 高级玩法:工作流编排、Token 优化与团队协作
  • M365 Copilot数据访问边界管控实战:基于Microsoft Purview的DSPM落地
  • 专访统丽学子邸斯|勇夺 Nailympia 国际美甲大赛金奖,以指尖艺术奔赴时尚美学之路
  • Python新手最容易踩的10个隐式坑,我刚工作时踩了一半,直接导致线上数据统计出错
  • AI 生图会替代设计师吗?更现实的答案是辅助创意沟通
  • claude code 接入deepseek-v4 pro或者flash模型