把已有项目反向 ACW 化

10 把已有项目反向 ACW 化

标题备选

• 已有项目别推倒重来，反向 ACW 化就行
• 一堆旧文件怎么变成 AI 工作区
• 让 AI 先理解项目，而不是立刻修改项目

开场钩子

很多人不是从空白开始搭 ACW。

你可能已经有一本写了一半的书，一个正在开发的软件，一个混乱的资料库，一个运营了一年的账号。

这时候，不要急着推倒重来。

正文口播

更好的做法，是让已有项目反向 ACW 化。

第一步，把已有项目放进 projects/project。

这里要再次强调：projects 既是最终产物目录，也是已有工程进入 ACW 的起点。

已有项目放进来后，它既是当前成果，也是后续整理的原始对象。

第二步，让 AI 先读项目结构，而不是立刻修改。

很多人一接入项目，就让 AI “帮我优化一下”。

这太急了。

更稳的做法，是先让 AI 输出项目理解：

有哪些文件？

哪些看起来是最终产物？

哪些像素材？

哪些像过程稿？

哪些规则可能隐含在文件中？

哪些地方存在混乱？

第三步，反向生成背景。

AI 可以从已有项目中抽取稳定信息，写入 background。

例如一本小说的世界观、人物关系、时间线。

一个软件的业务目标、核心模块、用户角色。

一个研究项目的主题、资料来源和关键概念。

这里要注意事实边界。

AI 可以总结和推断，但不能把推断伪装成已确认事实。

最好明确标注：从现有材料推断、待用户确认、已在项目文件中明确出现。

第四步，反向生成规则。

已有项目里往往隐藏着许多规则。

代码风格、命名习惯、目录约定、写作语气、术语用法、发布流程，可能没有单独成文，但已经体现在文件中。

AI 可以把这些隐含规则整理到 conventions。

这一步很有价值。

因为一旦隐含规则显性化，后续 AI 就更容易遵守项目风格，而不是每次靠猜。

第五步，建立索引和路由。

已有项目通常最缺的不是内容，而是入口。

AI 不知道从哪里读起，人类也不一定清楚哪个文件代表最新状态。

通过 AGENTS.md 或目录索引，可以建立清晰路由：项目总览在哪里，最终成果在哪里，素材在哪里，历史版本在哪里，哪些文件不要动。

第六步，设计后续任务流程。

反向整理完成后，才适合进入具体任务：续写、重构、审校、开发新功能、整理资料、生成发布稿。

此时 AI 已经不是面对一堆陌生文件，而是面对一个有背景、有规则、有路由的工作区。

反向 ACW 化特别适合几类场景。

长期写作项目，解决版本混乱、设定散落、风格不稳、审校记录缺失。

软件工程，先整理项目结构、技术栈、测试命令、代码风格、禁止修改区域，再进入开发。

知识库和研究项目，把资料来源、主题分类、引用规则、观点沉淀、报告产物分开管理。

内容生产流水线，把选题、脚本、素材、发布、复盘从每次从头开始，变成可复用流程。

结尾引导

反向 ACW 化的核心，不是把旧文件搬家，而是提炼项目的上下文结构。

有哪些内容是稳定背景？有哪些规则应该长期遵守？哪些文件是最终成果？哪些只是过程记录？哪些信息需要人工确认？

这些问题回答清楚后，已有项目就从文件堆，变成了工作区。

下一集，我们讲 ACW 最常见的错误，以及它应该怎么演进。