文章从Andrej Karpathy提出的四个让AI输出更易理解的方法（ASD-STE100受控英语、画图、交互网页、现做讲解视频）出发，指出盲目照抄提示词到CLAUDE.md等配置文件是错误做法。作者认为真正值得学习的是背后的方法论：先明确想要的效果，再寻找能指向它的'压缩过的名字'。作者设计了A/B对照测试，验证了ASD-STE100、体裁名称、作家风格等词在文字、图片、视频剪辑（如J-cut、Match cut）任务中的实际效果，并给出寻找自己词汇的实践流程：分析喜欢的作品、找术语、测试迭代、验证后存入词表，强调思考、测试、验证才是用好AI的关键。
作者基于在高盛商业智能部门的职业经验，总结出使用AI的五步框架VAULT：验证（Verify）输入与输出的正确性，数据质量决定AI质量；增强（Augment）而非替代，已知流程用确定性自动化，需要判断力的工作才用AI；理解（Understand）问题本质，先明确目标再选工具；人类介入（Loop）关键决策环节，监督程度应与行动后果匹配；保持系统透明（Transparent），便于审查和交接。文章强调AI不是万能药，用错数据只会更快地得出错误答案。
本文探讨了AI领域中从提示词工程向上下文工程的演进。引用Karpathy的Software 3.0理念，指出上下文窗口即新程序，通过写入、选择、压缩和隔离四大操作管理模型记忆以避免上下文腐化。结合Claude Code创建者Cherny的循环工程理念，说明通过构建包含技能、子代理和验证器的自动化循环，可实现高效上下文工程，将AI从简单工具升级为强大的操作系统。
