到这一步,你已经能把 AI 配成工作台、指挥成舰队。瓶颈于是从 AI 转到了你身上:它能并行地做很多事,但前提是你能把每件事说清楚;否则几条线会一起跑偏。这一篇练的,是最被低估、却决定上限的一门功夫——和 AI 沟通。
先记住一个心智模型:把 Claude Code 当成一个资深、但健忘、而且会脑补的工程师。
- 资深:它能力很强,你不用教它基础,说行话它懂。
- 健忘:它不记得你项目的隐含约定、上次的决定、你心里默认的背景。
- 会脑补:信息不足时,它不会停下来问,而是理直气壮地猜——然后给你一个看起来笃定、实则建立在错误假设上的产出。
高效沟通,就是针对这三点对症下药。
结构化提问:背景 + 目标 + 约束 + 验收
针对「健忘 + 脑补」,一个好需求要补齐四要素:
- 背景:这是什么、为什么做(它没有的隐含信息)。
- 目标:具体要达成什么——不是「优化一下」,是「把这个接口的 p99 从 800ms 降到 200ms」。
- 约束:不能动什么、必须用什么、禁用什么。
- 验收:怎么算做完了(可判定,呼应 EP2)。
四要素齐了,脑补的空间就被压到最小。
给参照,而非形容词
「写好看点」「优雅一点」「更健壮」——这些形容词信息量太低——每个人对它们的理解都不同,AI 只能按自己的理解填。给参照物:「像这个文件的风格」「参考那个函数的错误处理」「按 README 里那个例子的格式」。一个具体参照,胜过十个形容词。
让它先复述、或反过来问你
对付「脑补」最有效的一招:在它动手前,让它先复述理解、或反过来采访你。「开始前,先说说你打算怎么做、有哪些不确定」——它一复述,你立刻能看出它误解了什么;它一提问,往往正戳中你没说清的地方。这个「采访模式」把澄清成本从「事后返工」提前到「事前对齐」,极其划算。
沟通的常见误区
上面那几招熟了之后,会沉淀成几个下意识的动作——熟练的指挥者随手就做到:
- 一次倒太多:把十个要求堆在一段话里,它会漏。拆开、给优先级。
- 复杂任务直接开跑:不如先让它复述、给计划(呼应 EP1)。
- 错了不及时纠:发现跑偏立刻打断纠正,别等它错到底——错误在上下文里待得越久,越难掰回来。
沟通顺了,你和 AI 的协作才真正高效。回头看这一路——计划、验证、上下文、工作台、舰队、沟通——你会发现有些坑是反复踩的、很多人都踩的。最后一篇,我们把它们汇成一张避坑总图,帮你少走那 99% 的弯路。