在密码分析领域及其他领域,数据处理速度往往成为决定性因素。使用像Claude这样的人工智能模型也不例外。经典方法中,任务按“观察→行动→检查→重复”的顺序依次执行,这种方式可能并非最优。我早已得出结论,效率的关键在于流程的分解与并行化。这正是本文要讨论的内容:如何从线性循环转向图结构,并将工作效率提升数倍。
瓶颈分析:优化的起点
在改变架构之前,有必要对当前流程进行审计。对于每个工作循环,应提出三个问题:它需要多少步骤,哪里最常发生重试,以及为此耗费了多少时间和资源。对这些问题的回答将在您开始修改方案本身之前,揭示真正的“瓶颈”所在。
找出瓶颈后,我们转向寻找独立阶段。每个步骤的关键问题是:它是否依赖于另一个步骤的结果?如果不是,那么它就可以而且应该被并行执行。研究任务、文案撰写、设计,以及逻辑和策略,通常没有严格的依赖关系。这与检查阶段不同,后者依赖于前一个结果。
构建图:从计划到可视化
第三步是可视化。绘制一张示意图:可以手动绘制,也可以通过Excalidraw MCP等工具。以一个典型任务为例:研究五个竞争对手并准备一份定位报告。在循环模式下,这看起来像是依次研究每家公司,然后撰写文本,若失败则完全重新开始。而在图中则完全不同:规划器指定每个竞争对手需要哪些数据,然后五个分支同时启动。数据汇总成一份统一报告,最终阶段仅将其与原始任务进行核对。
将方案传递给模型:给Claude的指令
最后一步是将此方案传递给模型。截取图的屏幕截图,并附上一条包含五个要点的清晰指令:
- 规划每个竞争对手需要查找什么;
- 并行启动五个子代理,而不是依次运行;
- 将所有结果汇总到一份报告中;
- 将报告与原始任务进行核对;
- 若检查失败,仅将意见发送到方案中的问题位置,而不重新启动整个方案。
此外,还应要求提供一份摘要,说明哪些分支已执行、执行顺序如何以及每个分支“返回”了什么。本质上,这仍是具有指定角色的子代理同时运行,外加一条关于故障应发送到何处的规则。应从三到五个节点开始,不要使初始方案过于复杂。
图能加速工作,但并不保证节省成本。没有并行分支的任务,仍以普通循环方式解决更为简单。方案中每个元素的作用应具体描述:模糊的图示只会产生同样模糊的结果。
我的专业意见:这种方法不仅仅是对提示词的优化,更是与人工智能协作时思维范式的转变。在需要快速处理大量来源和数据的密码分析领域,图方法可能成为事实上的标准,从而将常规研究时间缩短数倍,并让您专注于战略结论。