AI 编程的快感与琐碎：效率陷阱

用 Claude Code 这种工具写代码最诡异的地方在于，核心逻辑的实现现在快得惊人，可能一个 Prompt 下去，最难的那个算法或者架构方案就直接跑通了，这种“瞬间搞定”的爽感确实很强。

但问题是，剩下的时间全在处理那些所谓的“琐碎杂事”。比如为了让 AI 准确识别一个深层嵌套的依赖关系，你得花十分钟去帮它理清文件结构；或者它写出了完美的功能，但因为一个极其隐蔽的类型定义错误，导致你在终端里对着报错信息反复 Debug。

现在的开发节奏变成了：

• 核心突破： 1分钟（AI 完成）
• 环境配置/琐碎 Debug/对齐需求： 3小时（人类死磕）

这种反差其实挺让人焦虑的。我们追求的 AI Agent 自动化，目前看来在“解决具体问题”上已经做到了极致，但在“理解整体工程上下文”上还是有断层。

在这种环境下，我觉得最有效的实操策略是把 AI 当成一个“极其高效但没有记忆的临时工”。不要指望它能帮你管理整个项目生命周期，而是要把任务拆到最小粒度。

比如我现在的工作流：
1. 独立出具体的逻辑模块，用代码块明确定义输入输出。
2. 针对具体函数进行迭代，而不是让它在整个文件里乱跳。
3. 遇到报错直接把整个堆栈信息丢给它，而不是描述“运行不起来”。

说到底，AI 缩短了从 0 到 1 的时间，但从 1 到 1.1 的那部分琐碎工作，依然得靠开发者自己去填坑。