如何教笨蛋 AI 好好干活

2026-01-20codingaimcp

我们在写伪代码吗？

有时候在写 prompt 的时候，感觉有点像在写伪代码

  • “先 xxx，再 xxx” → 对应代码的执行顺序
  • “如果 xxx，就 xxx” → if 逻辑
  • “一直执行直到 xxx” → while 循环

既然如此，我们能不能直接把一段“伪代码”丢给 AI 呢？

kimi-k2 执行效果： image.png

看起来还可以！

给它加一点限制，让它从 1+…+ 到 n，同时排除所有位数之和加起来为 5 的倍数的数字，不能调用脚本：

let count = Tool.AskUserQuestion(`please input a number`);
let sum = 0;
for (let i = 1; i <= count; i++) {
  if (Prompt(`${i} 的每个位数加起来之和为 5 的倍数`)) {

  } else {
    sum += i;
  }
}
Prompt(`最终计算结果为 ${sum}`)

image.png

好吧，这下原型毕露了，比如 86 这个完全不应该排除的数字，被它直接排除掉了。

而且它是先计算的所有值的和，再减去需要排除的值，其实没有严格按照我们的逻辑来执行。

其实好好想一想上面的过程，我们把一个伪代码丢给大模型来执行，期望于就像把代码丢给编译器来执行一样，但是 AI 有着很多的幻觉，这个“编译器”很不稳定。

在一些复杂任务的实测里，它会跳过逻辑胡乱执行，比如没按照预期调用 tool，或者直接在半路上认为自己已经成功了，特别是一些笨蛋 AI，每次执行过程和结果可能都不一样。

可以用代码驱动 AI 吗？

为了解决这种不稳定性，我们需要一种能强约束执行流程的工具。

在 Claude Code 或类似的 Agent 框架中，AI 可以根据 Tool 的返回决定下一步。那么，我们能不能反过来？由一段真实的代码来驱动 AI，AI 只负责完成其中的“自然语言函数”部分？

这正是 agent-workflow-mcp-tool 的核心思路：利用 MCP 协议，通过 TypeScript 的 Generator 函数，将 AI 变成流程中的一个执行单元。

下面的代码是可以真实执行的代码而非伪代码：

async function* Workflow() {
  const count = yield* ClaudeCodeTools.AskUserQuestion(
    `please input a number`,
    z.number()
  );

  let sum = 0;
  for (let i = 1; i <= count; i++) {
    sum = yield* Prompt(`calculate ${sum} + ${i}`, z.number());
  }
  return sum;
}

github 地址：https://github.com/voderl/agent-workflow-mcp-tool

它有哪些优势呢：

  • 用代码控制流程。 Agent lies, code not
  • 使用 zod 强校验，避免模型幻觉
  • 完善的 typescript 支持
  • 支持 async await throw catch 等语法
  • 对比其他工具特别轻量，完全基于 mcp 协议
  • 配合 claude code 和 kimi-k2 & deepseek 工作良好

比如用我们再举上面的例子，如果用该工具去处理上面的问题，让 AI 从 1+…+n，同时排除所有位数之和加起来为 5 的倍数的数字，那么完整的写法如下：

import { ClaudeCodeTools, registerWorkflowTool, Prompt, z } from "agent-workflow-mcp-tool";

const server = new McpServer({
  name: "agent-workflow",
  version: "0.0.1",
});

registerWorkflowTool(
  server,
  "workflow",
  {
    title: "workflow",
    description: `workflow control`,
  },
  async function* Workflow() {
    const count = yield* ClaudeCodeTools.AskUserQuestion(
      `please input a number`,
      z.number()
    );

    let sum = 0;
    for (let i = 1; i <= count; i++) {
      if (
        yield* Prompt(
          `计算 "${i}" 的所有位数加起来之和是否为 5 的倍数`,
          z.boolean()
        )
      ) {
      } else {
        sum += i;
      }
    }
    return sum;
  }
);

这时你让 Claude Code 直接执行该 mcp

Ask: use mcp "agent-workflow" tool "workflow" directly

执行结果见下图：

image.png

kimi-k2 真的严格按照代码给定的流程，从 1 + 2 + 直到加到 87，对每一个数字判断其所有数字加起来之和是否为 5 的倍数，调用了 87 次 mcp tool，最终得出了正确的结果。

可以在图中看出，在大模型每次调用 mcp 时，mcp 会给出当前的任务，如果大模型执行成功，大模型需要在下次调用时带上上次任务的执行结果。

每一步都有完善的 zod 类型校验，如果传参不对会给大模型提示，避免大模型的传参幻觉。

基于这样的 workflow，我们也可以把“对每一个数字判断其所有数字加起来之和是否为 5 的倍数”这一步可能会有大模型幻觉产生的步骤，改为使用代码来执行保证。

async function* Workflow() {
  const count = yield* ClaudeCodeTools.AskUserQuestion(
    `please input a number`,
    z.number()
  );

  let sum = 0;
  for (let i = 1; i <= count; i++) {
    if (sumDigits(i) % 5 === 0) {
    } else {
      sum = yield* Prompt(`calculate ${sum} + ${i}`, z.number())
    }
  }
  return sum;
}

更多复杂场景

基于该工具，我们可以实现更复杂的逻辑，比如自动生成 commit 信息并在用户确认后提交代码：

registerWorkflowTool(
    server,
    "auto-commit",
    {
      title: "auto commit",
      description: `auto commit`,
    },
    async function* Workflow() {
      const filesChangeList = yield* Prompt(
        `获取当前变更文件列表`,
        z.array(z.string())
      );

      if (filesChangeList.length === 0) {
        return `没有任何代码更改`;
      }

      const commitMessage = yield* Prompt(
        `根据当前变更内容生成对应的 commit message，格式需满足：
(fix|feat|chore): 单行简洁的提示

多行详细变更内容`,
        z.string()
      );

      const { is_confirm } = yield* ClaudeCodeTools.AskUserQuestion(
        `commit message 为 ${commitMessage}，是否确认继续`,
        z.object({
          is_confirm: z.boolean(),
        })
      );

      if (!is_confirm) return `已取消`;

      yield* Prompt(`将当前变更代码提交，commit message 为 ${commitMessage}`);
    }
  );

自动提交确认效果： image.png

还可以基于上面的流程，在 commit 前获取所有变更文件，挨个给每一个文件都使用 AI review 一遍，可以试试看～

使用

npm install agent-workflow-mcp-tool
import { registerWorkflowTool, Prompt, ClaudeCodeTools, z } from 'agent-workflow-mcp-tool';

欢迎使用和反馈～

感谢看到这里～

点赞 0