先说结论

一个会话干到底,问题通常不是模型不够聪明,是它在同一段时间里又当甲方、又当乙方、又当验收。活越长,这三种身份越容易互相糊弄。

我现在的做法是把它拆开:规划、实现、验收各开一个会话,中间用仓库里的几个文件交接。适合那种要做一天以上、最后得交出一个能点的东西、中途还老被打断的活。两小时能收尾的小改动,不值得这么折腾。

一个会话为什么会越干越乱

三个原因,跟提示词写得好不好关系不大。

第一,对话是有预算的。聊到后面,前面的决定会被压缩成摘要。你当时说「这个入口先不做」,压缩完可能就剩一句「讨论了入口方案」,AI 下一轮照样给你做出来。

第二,同一个会话里没人较真。它自己拆的需求、自己写的实现、自己说的「已完成」,中间没有一道独立的检查。让它给自己打分,结果基本都是通过。

第三,新会话没有记忆。昨天做到哪、哪条没过、下一个动作是什么,全在你脑子里。重新讲一遍不算久,但一天讲几次,一个上午就没了。这不是 AI 慢,是交接没落地。

三个岗位,各管一件事

规划只回答三个问题:给谁用、解决什么、这一轮明确不做什么。它的产出不是一段需求描述,是一串能验收的条目。

实现只按条目改。范围之外的东西看见了也先记下来,不顺手做。做完的标志不是「我觉得好了」,是把对应条目的状态改掉。

验收不看代码,先看产品。按条目一条条点,失败就写清楚三件事:在哪一步、看到什么、本来应该是什么。

第三条最容易被跳过,也最值钱。写代码的那个角色天然偏向「我写完了」,让它自己验收,等于让考生自己判卷。

八个文件怎么分工

文件谁来写放什么
CLAUDE.md所有角色技术栈、常用命令、不允许改的目录
PRODUCT.md规划目标用户、要解决的问题、这一轮不做什么
CONTRACT.md规划本轮交付条目,每条写清入口、操作、预期结果
FEATURES.json实现每条的状态:待做、在做、已通过
HANDOFF.md三个角色都写现在做到哪、卡在哪、下一步做什么
roles/PLANNER.md规划拆条目的粒度,拆到什么程度算够
roles/BUILDER.md实现改动边界,提交前自检哪些项
roles/EVALUATOR.md验收怎么点,什么算失败,失败怎么记

八个文件听着多,其实分两类:前五个是这一轮的事实,后三个是这个岗位的做事规矩。事实每轮都在变,规矩可以一直不动。

真正决定成败的是 CONTRACT.md 和 HANDOFF.md。前者管别跑偏,后者管别断片。其他文件写得糙一点,还能跑。

一轮是怎么转起来的

一轮完整循环
  1. 1写目标PRODUCT.md 定清楚这一轮做什么、不做什么
  2. 2拆条目每条要有入口、操作、预期结果,缺一项就不算条目
  3. 3冻结合同CONTRACT.md 定稿,实现阶段不再改
  4. 4照着做BUILDER 只动合同范围内的代码
  5. 5实机点验EVALUATOR 按条目点一遍,记下失败项
  6. 6回传交接失败项和下一步写进 HANDOFF.md,下一轮从这里开始
每一步的产出都落到文件里,下一轮从文件接着跑

跑顺了以后,你每天开工要做的只有一件事:打开 HANDOFF.md,看昨天停在哪。不需要把前情复述一遍,也不需要翻聊天记录。

三个最容易翻车的地方

合同被实现方改掉。做到一半发现某条不好做,最省事的办法是把它改成「已完成」。所以合同定稿后要留一份冻结版,验收只对冻结版。改可以,但要走一次显式的修改,不能悄悄改。

交接文件写成流水账。记一堆「今天调了样式、改了接口」没用,下一轮的人还是要重新读代码。它只需要三样:现在在哪、卡在哪、下一步做什么。超过一屏,就说明写偏了。

验收只看代码。代码读起来没问题、测试也绿了,但按钮点下去没反应,这种事太常见。验收这个岗位存在的意义就是真的去点,而不是再读一遍实现。

什么活不值得这么拆

小改动不值得。原型探索不值得,因为需求本来就在变,合同今天定明天废。只有你一个人维护、随时能重写的脚本也不值得。

判断可以简化成三个问题:这活会不会跨天?会不会有别人接手?失败一次要不要从头再来?中两个,就值得拆成三个岗位;一个都不中,直接让一个会话干完更省事。

拆开是有成本的:三个会话要来回切,文件要维护,token 也比一口气干完多。它换来的不是速度,是可恢复——中断之后能接着干,换人之后能接上手,出了问题能定位到哪一条没过。

最后

工具不会替你负责。这套文件真正的作用,是把「负责」拆成几个能检查的动作:条目能不能验收、状态有没有更新、失败有没有回传。

这三件事做到了,AI 才算替你干完了一段活。做不到,它只是陪你聊了一天。