你遇到的情况在大型项目中使用 AI 编程助手时非常典型。随着项目规模扩大，AI 生成的代码容易出现“特性退化”和“特性丢失”，核心原因在于上下文窗口有限、模型对项目全局理解不足、以及缺乏稳定的开发规范约束。

针对 OpenCode 这类 AI 编程助手，可以从以下几个层面系统性地解决问题：

1. 建立稳定的“项目规则”文件

AI 在长对话中容易遗忘早期约定。你需要将项目的核心架构、编码规范、关键特性等信息固化在一个或几个文件中，并在每次生成新代码时主动引用。

• 创建 .opencode/rules.md 或 AGENTS.md：在项目根目录放置一个文件，明确记录：

  • 项目技术栈、目录结构

  • 核心模块的职责划分

  • 关键接口、数据模型定义

  • 已实现功能的列表和位置

  • 编码规范（如错误处理方式、日志格式、状态管理模式）

• 在每次对话开始时提醒：可以固定一句话，例如“请先阅读项目根目录的 AGENTS.md，然后基于现有代码风格和架构来开发新功能。”

• 将规则文件纳入版本控制，确保团队成员和 AI 都遵循同一套规范。

2. 采用“分模块、分层”的开发策略

不要让 AI 一次性生成大块代码，也不要让单个对话覆盖过多功能。将大项目拆解为多个独立、边界清晰的小任务。

• 先设计后编码：在生成代码前，先让 AI 帮你梳理模块的接口定义、数据结构、依赖关系。确认设计无误后，再逐步实现。

• 按层开发：例如先实现数据层（模型、数据库操作），再实现业务逻辑层，最后实现接口/UI层。每层完成后，将稳定的接口定义和关键代码片段保存为后续对话的上下文。

• 每个功能单独开启新对话：不要在同一个对话中累积过多无关的历史消息。新功能开启新对话，并在新对话开始时，通过粘贴关键文件内容或引用规则文件的方式，让 AI 快速理解现有架构。

3. 用“测试用例”锁定已有特性

AI 生成新功能时可能会无意识地破坏旧功能。建立测试体系是防止特性丢失最有效的手段。

• 为每个核心特性编写单元测试或集成测试。在生成新功能前，先让 AI 为已有特性生成测试用例，并确保测试通过。

• 要求 AI 生成代码时同时考虑测试：在 prompt 中明确“新增功能时，不得破坏已有测试，并为新增功能补充测试用例”。

• 如果使用 OpenCode 的自动模式，可以配置在每次代码变更后自动运行测试，若测试失败则拒绝本次生成或提示修复。

4. 善用“代码库索引”和“精准上下文”

AI 并非真的理解整个项目，它只能看到你提供给它的内容。大型项目无法将所有代码都放入上下文，你需要有选择地提供最相关的部分。

• 利用 OpenCode 的代码库索引功能（如果支持）或手动使用 @ 引用文件。只引用与当前任务直接相关的文件，避免无关信息稀释注意力。

• 对于跨模块的功能，可以先让 AI 分析需要修改哪些文件，列出清单，然后逐一生成。生成每个文件时，将相关依赖的接口定义一并提供。

• 使用“占位符”和“约定优于配置”：对于不常变动的模块，在 prompt 中简要描述其接口和行为，而不粘贴全部实现代码。

5. 建立代码审查与迭代机制

将 AI 生成的代码视为“初稿”，不要直接接受。建立人机协作的迭代流程。

• 每次生成后，要求 AI 自我审查：在生成代码后，接着输入“请检查本次修改是否与项目现有架构一致，是否影响了已有的 [关键功能名]，列出潜在风险。”

• 分步应用修改：对于复杂改动，让 AI 先生成修改计划（哪些文件、什么改动），确认后再执行。这能避免 AI 一次性改动过多导致难以回溯。

• 使用版本控制精细管理：每完成一个稳定的功能点就提交一次。如果 AI 后续改动破坏了已有功能，可以轻松回滚，并带着 diff 信息让 AI 修正。

6. 考虑使用“项目级”AI 工具链

如果 OpenCode 本身在大型项目中的表现持续不理想，可以结合其他工具形成互补。

• 将 OpenCode 作为“编码执行器”，而用更擅长全局规划的模型（如 Claude、GPT-4 等）来做架构设计和任务拆解。将拆解好的子任务逐个交给 OpenCode 执行。

• 尝试使用支持更大上下文的工具（如 Cursor 的 Composer 模式、Copilot Workspace 等），它们在处理大型项目时有不同的上下文管理策略，可能更适合你的场景。

总结一个可操作的工作流

1. 初始化：在项目根目录创建 AGENTS.md，记录架构、规范、已实现功能清单。

2. 新功能启动：开启新对话 → 要求 AI 阅读 AGENTS.md → 粘贴相关模块的接口定义 → 让 AI 先给出设计方案和影响分析。

3. 分步生成：按文件或按模块逐个生成 → 每次生成后要求自检 → 运行测试验证。

4. 提交与固化：功能完成后提交代码，并更新 AGENTS.md 中的功能清单。

5. 修复特性丢失：若发现已有特性被破坏，将相关的测试用例和错误信息提供给 AI，要求仅修复而不改动其他部分。

通过以上方法，你可以将 AI 从“随意写代码的助手”转变为“遵循项目规范的协作者”，大幅降低随着项目规模增长带来的质量衰减问题。