做下去，遇上新難題閱讀時間約 2 分鐘
有用的規則，通常有它的來由
J_OS 很多規則，都是在事情出錯後出現的。一段對話忘了專案方向；AI 把舊紀錄當成現況；完成報告說得很有信心，卻沒有足夠根據。
把教訓寫下來，本來很合理。但日子久了，累積下來的做法也可能變成另一個問題：要讀更多背景、做更多交接，還未開始真正工作，我已經要先管理不少事情。
說清楚問題與界線
AI 能力提升後，我需要重看那些為較早期限制而寫的規則。一步步指定有能力的程式夥伴要打開哪個檔案，有時反而妨礙它從現有程式找到更好的答案。
我仍要說清楚工具為甚麼而做、哪些東西必須保留，以及甚麼決定要由我來作。只要範圍清楚，日常的查找問題與實作方式可以交給 AI 處理。留出更多空間，是為了更好地完成雙方已確立的目標。
舊紀錄，不等於眼前任務
多留紀錄，可以保住有用的決定，卻也可能讓舊狀態看起來像現況。在 J_OS，我把長久有用的專案知識，與 Linear 裏正在進行的任務分開。當紀錄描述的是較早版本，仍要回頭看目前的程式碼與實際運作。
新開對話時，先帶上相關的專案基礎和眼前任務，有需要才查閱過往紀錄。長久有用的知識，也不代表永遠不變；專案改變後，這些內容仍要重看。
變簡單，不等於忘記使用者
九月的調整，不再把 AI 當成軟件公司裏不同的部門。如果多一次交接沒有甚麼幫助，一個有能力的 AI 可以接着規劃、製作和檢查普通工作。
但十月也提醒我，簡化不等於拿走所有共同要求。在 My Next Step，AI 仍可能把服務對象想成比實際更懂科技的人。所以仍要先說清楚一小份專案基礎：目的、使用者、他們的需要，以及不能因為新開對話就忘記的決定。
我仍要不時回來分清楚：哪些指示在保護真實需要，哪些只是在重複 AI 本來已懂得做的事？
保留責任，重看做法
我仍會看根據、親身試用，並決定重要改動是否應該繼續。模型更強，並不代表這些責任就消失了。
圍繞責任的做法，卻可以改。我現在會問：這條規則在避免甚麼錯？眼前的工作有沒有這個風險？可否用少一點步驟，保留同一份保障？J_OS 仍在跟着這些問題改變，而不是走向一本永遠不改的規則書。