最近用 AI Coding 消耗数亿 Token ，完成了一个工业级 KG - RAG 项目，我发现真正让项目失控的是上下文管理和需求质量。

想象一下，你现在是一个包工头，手下有一群极其聪明、手脚麻利，但记忆力只有7秒、干活全凭直觉，而且你一转头，他们可能就瞎搞的超级工人。

如果你直接让他们去建一栋大楼，大概率会建出一个四不像，中途还会因为忘了图纸，而把墙砌错地方。

这些工人就是 AI 。

为了管好这些工人，我一共用了七种武器。

1. 多 AI 分工合作

• 项目经理、产品经理：我自己 + Gemini 3.1 Pro + GPT-5 

• 架构师：Claude Opus 4.6 Plan Mode 或 Gemini 3.1 Pro AI Studio （二选一）

• 方案评审委员会：我自己 + Claude Opus 4.6 + Gemini 3.1 Pro + GPT 5.3 Codex

• 高级程序员：Codex 5.3 ExtraHigh

• 普通程序员：Claude Sonnet 4.6、Gemini 3 Flash、GLM 4.7

• UI/UX 设计师：Gemini 3.1 Pro

• 测试工程师：GLM 4.7 + DeepSeek V3.2 + 我自己

• DevOps 工程师：我自己 + Gemini 3.1 Pro

在 AI Coding 时代，人类的角色已经变了。

以前我得一行行搬砖写代码，现在 AI 是什么都会的全栈牛马，我变成了包工头。

2. 先对审再执行

写代码 -> 跑起来 -> 报错 -> 改代码的传统开发模式，在 AI 时代非常昂贵，不仅浪费 Token，更浪费时间，而且容易陷入死循环出不来。

所以我将反复修改的循环前移至纯文本阶段。

不要让 AI 上来就写代码。

先让一个最强的 AI 写份施工方案，然后换其他 AI 去当质检员，专门找这个方案的茬。

几个 AI 互相抬杠修改，等方案打磨得完美无缺了，再照着写代码。

好比建房子前，先让设计师和施工单位在图纸上吵明白，确定没问题了再让工人去绑钢筋。

用这个方法以后，代码几乎都一次性通过，我减少了至少90%后期 Debug 的工作量。

3. 分形文档 + 强制同构

文档与代码是同一事物的两面，必须保持实时一致。

分形设计：

• L1 根目录： 全局地图，如项目架构、技术栈等。

• L2 模块级： 成员清单、接口说明等。

• L3 文件级： 头部声明依赖（[IN]）、职责（[POS]）、输出（[OUT]）。

强制回环检查：

• 每次代码变更后，强制检查文件头依赖是否正确？模块清单是否需要更新？

• 任务结束自动更新全局地图。AI 从任意文件进入，只需读取3层（L1-L3）即可获取完整上下文。

因为 AI 是个路痴。

它每次干活前，需要先看说明书了解背景（上下文）。

如果代码改了，说明书没改，AI就会拿着旧地图找新路，不仅找不到，还会一本正经地瞎编。

所以，要给整个项目做三本说明书，第一本是全国地图（整体架构），第二本是省份地图（模块说明），第三本是街道地图（单个文件说明）。

而且规定代码只要改了一行，地图必须立刻跟着改。

如同导航软件不仅要有完整的地图，而且哪里修路了、哪里封校了，必须立刻在地图上标出来，否则司机会把车开进沟里去。

4. Hook 自动拦截

AI 没有记忆力，但 Hook 有。

System Prompt 反复写的不要做，不如代码钩子的不能做。

你用嘴劝它一万次，不如在工程上直接设个卡子拦它一次。

它被拦截报错后，自己就会乖乖改好。

就像你在草坪上插个牌子写“禁止踩踏”，总有人会无视。

但如果你直接建一堵2米高的铁丝网，它就绝对进不去了。

5. Plan 文件持久化

文件系统是唯一可靠的状态源。

用 Claude Code 时，可以修改配置，将 Plan Directory 指向项目内部文件夹。

在 Plan 中加入 Checklist，完成一项回写一项。

因为 AI 的对话窗口是很脆弱的。

如果你和 AI 聊了很长，或者突然断网，AI的脑子就清零了。

如果你把进度写成了实体文件，下次重新打开，AI只要读一下文件：“哦，原来前三步做完了，我现在该做第四步了”，马上就能接着干。

好记性不如烂笔头。

去超市大采购时，把购物清单写在纸上揣兜里，就算中间接了个电话分心了，拿出一看纸条就知道接下来该买什么。

6. 质量红线必须量化

AI 对文字理解模糊，但对数字执行很稳定，人类审美必须降维成 AI 可判定的数字。

我总结了一些硬性的指标：

• 一般模型单文件 ≤ 400 行 （GLM 4.7、DeepSeek V3.2）

• 顶级模型单文件 ≤ 800 行 （Claude Opus 4.6、Gemini 3.1 Pro）

• 单函数 ≤ 30 行

• 嵌套层级 ≤ 3 层

• 分支数量 ≤ 3 个

永远不要对AI说：“代码要写得简洁一点、函数尽量短一点。”

你要对它说：“一个文件绝对不能超过800行，一个函数绝对不能超过30行。”

因为AI不懂什么叫简洁，什么叫好看，这是人类的审美，对 AI 来说太模糊了。

你给它定死的数字指标，它执行起来非常稳。

打个比方，你对司机说“开慢点，注意安全”，每个人对慢的理解不一样。

但如果你在路边立个牌子限速 60，他就知道不能超速了。

7. 渐进式上下文加载

信息过载和信息不足一样有害，要像设计数据库索引一样设计 AI 的检索路径。

虽然现在 AI 能一次性阅读几十万字，但你千万不要每次提问都把整个项目的代码全扔给它。

修大门的锁，就只给它看大门的图纸。

因为信息太多和信息太少一样有害。

你扔给它整个项目的代码，它会在海量信息里迷失。

浪费计算资源不说，还容易被其他不相关的代码干扰思路。

改 Bug 只加载目标模块文档，架构决策才加载全局地图。

类似考试范围是第一章，你就让学生只复习第一章。

如果你把大学四年的书全堆在桌上让他找答案，他反而考不及格。