一个人 + AI 到底能干多少活？

很多人以为关键是多开几个 agent，让它们并行跑。结果真正决定你每天能交出多少东西的，往往是几件更基础的事。
任务立卡
超过 10 分钟的活，我现在不会直接丢给 AI 就开工，而是先花几分钟写一张轻量卡，写清楚目标、边界、验收标准和最多试几次。AI 必须按卡上的标准做到位才算完成，不能自己觉得「差不多」就交。卡存成 JSON 文件，关掉聊天窗口、换模型、第二天回来，都能直接读着继续。
没有这张卡，活很容易做到一半就糊弄过去，或者永远停在「再改改」。
多模型按活分工
我不会让同一个模型从头包到尾。Claude 主要负责判断和总控方向，Codex 用来做交叉验证和技术审，Cursor 接 spec 已经说清楚的工程实现，Grok 专注写公开内容的正文。切换是按阶段，而不是每轮都重新挑。不是谁便宜就用谁，而是看这个阶段哪个模型的水平能把质量打到该有的样子。
用错模型，后面返工的时间比省下的还多。
状态全部写进文件
任务进度、决策理由、交接要点，我几乎不留在聊天记录里。全部写到仓库的 Markdown 和 JSON 文件里，作为唯一事实来源。新开一个会话，或者直接换一个模型，先读这些文件就知道现在到哪一步了。聊天窗口随时能关，系统状态不会丢。
靠聊天窗口记东西，迟早会因为窗口重置或者模型换了而断掉。
质量门 + 数据回收环
内容发之前要先过质量门。只有一手事实才能正经发，纯猜想的部分必须明说「这是脑洞」。发出去之后 24 小时看数据，收藏和真实互动过线了，才会继续做英文版、剪视频、归档到网站。不够线就直接停，不再追加时间。
省下的精力可以拿去干下一个真正有人要的东西。
把这四件事固定下来后，我发现一个人加 AI 的实际交付量，比以前到处开 agent 的时候更稳定，也更少烂尾。
你现在跟 AI 一起干活，主要靠哪几条规则在管？说说你的版本。