主题
14.6 如何正确的使用 AI：结构化提问、会话生命周期与 Agent 步长控制
本节要点： 模型需要足够的项目背景、明确的目标与约束，以及可以检查的输出标准。长任务还要分阶段保存进度，控制每次修改的范围，并在关键操作前安排人工确认。
Anthropic 与 OpenAI 的提示工程文档都强调清晰指令、相关上下文和明确输出要求。与其寻找固定“提示词口诀”，更应把任务信息补充完整。
一、输入信息如何影响输出质量（GIGO）
GIGO（Garbage In, Garbage Out）可以理解为：输入缺少关键信息时，模型只能根据常见模式补全，结果就容易偏离当前项目。Anthropic 的提示工程指南和 OpenAI 的提示工程指南都强调清晰指令与相关上下文。
1. 常见无效提问负面清单（避坑速查）
- ❌ "这代码报错了，怎么办？"（不给报错日志，不给环境版本，不给前因后果）；
- ❌ "给我写一个类似抖音的 App"（需求范围极其庞大，没有任何功能拆分与技术栈约束）；
- ❌ "不对不对，还是不行，你重新写一下"（不指出具体哪里不符合预期，导致 AI 盲目重写已有正确代码）。
二、结构化提问常用结构：RCCO 模型
高效开发者向 AI 提问时，都遵循一套标准化的结构化输入范式：RCCO 模型（Role 角色 + Context 上下文 + Constraints 约束 + Output 期望输出）。这与 Anthropic 官方提示工程 倡导的"角色 + 任务 + 上下文 + 格式"四要素高度一致。
提问实战模版（直接套用）：
markdown
【角色设定】：你是一位专注于现代全栈开发的 Senior Engineer。
【项目背景】：我正在使用 Vue 3 (Composition API) + TypeScript + Tailwind CSS 编写前端后台。
【核心目标】：请帮我编写一个通用的数据表格分页组件 `CustomPagination.vue`。
【边界约束】：
1. 支持传入 `total`（总条数）、`page`（当前页）、`pageSize`（每页大小）；
2. 当总页数超过 7 页时，中间展示省略号（...）；
3. 严格遵循 `<script setup lang="ts">` 语法，不使用任何外部 UI 库（如 Element Plus）；
4. 样式使用 Tailwind CSS 实现响应式适配。
【期望输出】：
1. 完整的单文件组件代码；
2. 组件的 Props 与 Emits TypeScript 接口定义；
3. 一个父组件的极简调用示例。进阶：Spec 驱动开发——把"一次性提问"升级为"工程级规格"
- 2026 年最被业界推崇的做法是 Spec 驱动开发：不是每次提问都临时编背景，而是把需求写成一份
spec.md规格文档（见本项目 3.5 节的 OpenSpec 实战），让 AI 每次开工前都先读规格。 - 好处：上下文 100% 一致、可追溯、切新会话也能无缝续接——从源头消灭"AI 忘了需求"的问题。
⏳ 三、会话生命周期的科学管理：什么时候必须切新会话？
许多初学者喜欢在一个聊天窗口里从项目第一天一直聊到项目上线，结果越到后面，AI 越显得"智商滑坡"、"反应迟钝"、"答非所问"。
1. 为什么长会话会导致 AI "变蠢"？
- 注意力稀释：大模型的 Attention 机制会在整个上下文窗口中分配注意力。如果会话历史里充斥着前 20 轮被废弃的旧逻辑和几十页无用的报错堆栈，模型的注意力就会被严重稀释。
- 错误记忆锚定：当你在前面几轮贴过错误的思路，AI 在后续生成时会潜意识参考前面的错误文本，导致"道歉了但下次还犯"。
- 账单暴增：每轮都把全量历史重新塞给模型（见 14.2 的"Token 乘法风暴"），长会话的 Token 消耗呈二次方级膨胀。
2. 适合开启新会话的四种情况
3. 切换会话前整理阶段摘要（Summary Handoff）
不要直接两手空空关掉旧会话。在开启新会话之前，执行以下优雅交接步骤：
- 在旧会话最后让 AI 总结：
"请用一段结构化的 Markdown 总结我们当前完成的成果、当前项目的核心文件路径以及接下来需要完成的下一步任务清单。"
- 复制总结作为新会话的第 1 条消息：
"你好。我们正在开发 XX 系统。以下是上个阶段的完成成果与当前代码状态：[粘贴总结]。现在请帮我执行下一步任务：[输入新任务]。"
这样既彻底清空了旧会话的历史垃圾噪点，又 100% 保留了核心项目进度。进阶用户还可以把这份交接总结直接写进 AGENTS.md / spec.md，让 AI 每次开工都自带"记忆"。
4. ⚡ Codex 专题：258k 上下文红线与"压缩计数"切会话法
用 Codex（GPT-5.x 编码智能体）日常开发时，有一条必须刻在脑子里的红线：
- 单会话上下文上限 258k Token，一旦超出 258k，超出部分的计费直接加倍。所以日常开发的第一目标就是：把工作节奏控制在 258k 以内，既保智商又保钱包。
- 千万不要等会话弹窗提示"本次会话已超过上限"才动手。等到系统提示的那一刻，会话早已经历了不知道多少轮自动压缩（Auto-Compaction）——上下文被摘要了一遍又一遍，响应变慢只是表象，细节丢失、需求遗忘、质量滑坡才是真伤。别把系统提示当闹钟，要自己看表。
那压缩几次该切？实战阈值建议如下：
| 自动压缩次数 | 会话状态 | 建议 |
|---|---|---|
| 0 次 | 上下文尚未压缩 | 正常继续，并关注任务是否已经换阶段 |
| 1 次 | 质量基本无损 | 可以继续 |
| 2 次 | 细节开始明显丢失 | 当前任务收尾后立即切新会话 |
| 3 次及以上 | 严重劣化，答非所问高发 | 别硬撑，立即总结交接、开新会话 |
配合体感信号一起用：明显感觉响应变慢、AI 开始复读旧结论、简单指令也要确认半天——不用数压缩次数，直接切。切会话时套用上面的"总结交接棒法"，一分钟完成无痛迁移。
四、控制 Agent 的执行范围并保留人工检查
当使用 Claude Code、Cursor、OpenCode、Trae SOLO 等自主 Agent 工具时，如果彻底放手让它"全自动狂奔"，往往会带来灾难性的多文件破坏。
核心进阶操作技巧：
- 用规则文件保存项目约定：在项目根目录维护 AGENTS.md 或相应规则文件，写明代码风格、禁止使用的库和目录边界；同时确认所用工具是否会自动读取该文件；
- 给 AI 报错时提供"完整调用栈"：不要只截取最后一行
IndexError，必须附带完整的 Traceback 与相关代码片段，AI 才能定位真正的根因； - 提供最小可复现示例 (MRE)：在排查疑难杂症时，把相关逻辑抽离成一个只有 20 行的单文件脚本给 AI 分析，排错效率提升 10 倍。
- 使用 Agent 的计划或交互模式：先审查修改方案和文件范围，再允许执行；涉及删除、发布和外部写入时，还应单独设置权限和人工确认。
- 开启 Hooks 审计：在 Claude Code 的 Hooks 机制 中挂上
PreToolUse/PostToolUse，对危险命令（rm -rf、DROP TABLE、git push --force）自动拦截或告警。
Agent 的上下文预算管理
- 长 Agent 会话同样会遭遇上下文膨胀。高级用法是按阶段拆分 Agent 任务（每完成一个阶段就
/compact或切新会话），而不是让一个 Agent 从早跑到晚。Codex 用户建议直接采用上文第三节的"压缩计数法"：自动压缩满 2 次就切，绝不硬撑到系统弹窗。 - 如果 Agent 开始"忘记最初需求"，别继续对话硬撑，立即开新会话 + 粘贴 AGENTS.md / spec.md 交接，这是社区公认最有效的提效手段。
先给目标和验收条件，再补背景
一条有效请求通常包含：要完成的结果、相关材料、不能改变的内容和怎样算完成。格式不必固定成四字母公式，也不需要堆角色设定。简单任务一句话说清即可，复杂任务再逐步补充约束。
对话变长不等于必须立刻新开会话。先看模型是否仍掌握当前目标、关键约束和未完成事项。切换任务、背景相互冲突或压缩后遗漏关键信息时，可以写一份短交接：已完成什么、当前文件状态、接下来做什么、哪些决定不能推翻。
文中任何固定上下文数字都只对应特定模型或产品版本。OpenAI 官方说明长期工作流可使用压缩延长有效上下文，但压缩仍需要保留产品约定和关键状态，参见 Compaction。
本节小结与行动清单
- [x] 掌握提问模版：每次提问严格套用 RCCO 四要素，拒绝情绪化低效沟通。
- [x] 管理会话阶段：当任务目标明显变化或旧内容开始干扰当前问题时，先整理摘要，再开启新会话。
- [x] 守好 Codex 258k 红线：压缩满 2 次或明显变慢立即切会话，不等系统弹窗、不烧加倍计费。
- [x] 控制 Agent 步长：计划先行、单步测试验证、随时检查 Git Diff，做胸有成竹的技术指挥官。
- [x] 拥抱 Spec 工程：用 AGENTS.md / spec.md 让 AI 自带"记忆"，从源头消灭上下文漂移。
- [x] 关注官方最佳实践：持续跟进 Anthropic 提示工程 与 OpenAI 提示工程 的最新指南。