别再试图用一个巨大的 Prompt 搞定所有编程需求了
我实测下来，想要让工作流变顺畅，得把 AI 的能力拆解成几个具体的“技能点”来触发。这里分享四个能显著提升开发体验的切入方式：
一、用 grill-me 模式在写代码前先“拷问”方案
很多坑就在于 AI 太听话了。当你提出“增加组织角色功能”时，它可能直接甩给你一段代码，但权限范围、数据迁移、审计日志这些细节全被它随手拍板了。
操作逻辑： 不要直接让它写代码，而是要求它扮演一个挑剔的架构师，一次只问一个问题，逼你把需求细节补齐。它应该先检查现有代码库，然后针对你的方案提出潜在风险，直到所有决定都明确了再动工。
二、用 Superpowers 建立受控的交付流程
方案定好后，不能直接跳到代码实现，否则很容易跑偏。
实操建议： 采用一种结构化的开发流。先让 AI 明确最终产出目标 → 编写详细的技术规格书和设计文档 → 你审核通过 → 最后才进入编码阶段。这样能避免在代码写了一半时才发现底层逻辑错了，导致大规模重构。
三、切换到 Caveman 模式减少沟通噪音
在进入具体的 Debug 或小功能实现循环时，最烦的就是 AI 每次改一行代码都要解释三段话。
执行标准： 强制要求 AI 进入“洞穴人”模式，只输出：发现的问题、修改的代码、验证结果、潜在风险。删掉所有礼貌用语和冗长的原理解释，把沟通带宽留给真正的代码变更。
四、通过 handoff 解决上下文丢失
这是最痛苦的点。新开一个 Session，AI 就像失忆了一样得重新扫描一遍代码；如果把之前的聊天记录全部喂给它，它又会在过时的讨论中迷路。
解决方案： 在结束一个阶段的工作时，让 AI 总结一个“交接文档”，包含当前状态、已决定的技术点、待办事项。下次开启新 Session 时，直接喂这个文档，而不是喂冗长的对话历史。
总结下来，AI 编程的精髓不在于 Prompt 多长，而在于你能不能在正确的时间给它施加正确的约束。
