第一次写文给大家分享自己的经验，如果各种更好的建议请各位提出。你可以直接把这篇帖子扔给 Codex 或 Claude，让它们自己学学里面的套路。不过记住：可以让 AI 帮你做计划，但具体的落地操作和拍板权，必须死死捏在你自己手里。
我现在越来越觉得，Vibecoding（沉浸式 AI 编程）最让人头疼的，压根不是让 AI 写代码。
真正难的是：
怎么让 AI 在一个长线项目里不失忆、不跑题、不把过期的废稿当成新任务，更别因为“太积极”而越权瞎搞。
我以前也天真地以为，只要模型的上下文窗口够大，这些都不是事儿。后来发现根本不是这么回事。
上下文再长，项目一复杂，AI 照样懵圈。
旧文档、新任务、历史测试、临时方案、外部建议……这些东西全搅和在一起之后，AI 很容易把“曾经出现过的东西”当成“现在应该继续干的活”。
所以我现在的路子变了：不再指望 AI 自己死记硬背，而是给它外包一套“记忆系统”。
这套玩法不挑模型，Codex 能用，Claude 也行。
说白了，就是让 AI 每次开工前，都必须先强制对齐项目的规矩、任务的边界和当前的状况。
一、规则文件：先给 AI 发一本“项目基本法”
我做长项目，第一步绝对是先搞份规则文件。
名字随便起，比如：
让 AI 每次进项目，先搞懂这个世界的运行法则。
不然每次新开一个对话框，你都得像复读机一样从头解释。你嫌烦，AI 也容易听偏。
二、新项目开荒：先让 AI 自己写规则
如果是刚开坑的新项目，我绝对不会一上来就让 AI 写代码。
我会先让它帮我起草一份项目规则文件（比如 AGENTS.md 或 CLAUDE.md）。名字不重要，关键是得先把项目的边界给框死。
我一般会让 AI 按这个骨架来起草：
# AI Project Rules
## 1. Project Goal
这项目到底要解决啥问题。
## 2. Current Main Line
当前主线是什么，什么活儿优先级最高。
## 3. Non-Goals
现在明确【不干什么】，防着 AI 自己给自己加戏。
## 4. Priority Order
听话顺序：当前我的指令 > 项目规则 > 当前小批次任务 > 本地代码和测试 > 历史文件和外部建议。
## 5. Editable Areas
哪些目录和文件可以随便改。
## 6. Forbidden Areas
哪些文件、配置、密钥、生产数据、备份，绝对不能读、不能改、不能打印。
## 7. Batch Rule
一次只干一层的活，别把改代码、改测试、跑线上、发版全混在一起。
## 8. Test And Verification
改完之后必须跑哪些检查。
## 9. Release Gate
什么情况下才能发布，什么情况下必须停下来问我。
## 10. Handoff Format
每轮干完活，交接条（closure）应该怎么写。
这一步，别指望 AI 一次性写完美。它的任务只是出个草案，最后必须由你来修改和拍板。
因为这不仅是 AI 的作品，更是你给 AI 立的规矩。你可以这么给 AI 下指令：
“请根据当前项目情况，帮我起草一份 AGENTS.md。要求：先写目标，再写主线和非目标；明确哪些文件不能碰；排好任务优先级；定好小批次执行规则和发布门禁。注意：只输出草案，不要执行任何实际改动。”
有了这份“基本法”，后面的 Harness（门禁）和 RAG（检索）才算有了主心骨。不然门禁不知道按什么标准拦人，检索也不知道该过滤什么垃圾信息。
三、项目地图：告诉 AI 东西都放哪了
规则文件解决的是“该不该干”，项目地图解决的是“去哪找东西”。
我会单独弄一份地图，记清楚：
让 AI 少走弯路，多走正门。
四、Harness：干活前先过安检
我现在特别看重 Harness。
你可以把它当成**“开工前的安检门”或者“安全带”**。每次 AI 准备动手前，都得先过一遍脑子：
拿不准能不能干的，就先别干。
Vibecoding 不是让 AI 撒欢儿野跑，而是让它在画好的道道里跑得更快。
五、RAG：不是喂得越多越好，而是只喂该吃的
很多人一听 RAG（检索增强生成），就想着“把所有资料一股脑全塞进去”。
但我现在觉得，RAG 最牛逼的地方根本不是“捞得多”，而是**“过滤得准”**。
项目做久了，肯定会攒下一堆破烂：
RAG = 资料精准投放 + 垃圾信息过滤。
这次干活需要啥，就给它看啥；不该看的，半个字也别放进上下文里。资料绝对不是越多越好，不受控的资料越多，AI 跑偏得越快。
六、小步快跑：一次只开一个盲盒
我现在几乎不会对 AI 说：“你帮我把这事儿全搞定。”
长任务必须得拆，一口吃不成胖子。常见的拆法是：
L0：只读审计（只看不改）
L1：小范围修改
L2：针对性测试
L3：全量测试
L4：预发布或线上验证
L5：发布决策
每一批活儿都得交代得明明白白：
每次只打开一个盒子，出了问题立马就能按住。
七、决策报告：别让历史包袱带偏节奏
长项目里一定会堆积大量历史材料。有的还能用，有的早过期了，有的只是当初随便试了试。
所以我会让 AI 写决策报告，把这些破烂分个类：
keep：留着
rewrite：稍微改改
defer：以后再说
discard：直接扔掉
blocked：现在不能动
这一步真不是强迫症，纯粹是为了防跑题。
AI 的脑回路很直，它很容易觉得：“以前出现过的东西 = 现在还得接着干”。
但真实项目根本不是这样。很多东西只是迭代留下的残骸，如果不把它们筛掉，AI 就会一直被历史包袱拖着走。
八、Closure：给下一次对话留个交接条
每一批活儿干完，我会让 AI 写一份 Closure（交接条）。
不用搞得花里胡哨，把事儿说清楚就行：
## Changed Files
改了啥文件
## Checks Run
跑了啥检查
## Skipped Gates
啥没跑，为啥没跑
## Self-Audit
有没有越界的风险
## Remaining Risks
还有啥坑没填上
## Next Allowed Step
下一步只准干嘛
这玩意儿最大的价值是“跨会话连戏”。
换个窗口、换个上下文，甚至换个模型，只要把最近的交接条扔进去，它立马就能接上茬。这可比让 AI 自己去翻几百页的聊天记录靠谱太多了。
九、测试：看看 AI 有没有把规矩当耳旁风
规则文件是告诉 AI 应该怎么做，而测试就是用来抓它有没有偷懒或越界的。
有些红线，最好直接写成测试代码：
当 AI 开始放飞自我的时候，至少有东西能把它硬拽回来。
十、我现在最顺手的完整流程
我现在比较习惯这么个节奏：
新项目开荒
↓
先起草 AGENTS.md / CLAUDE.md
↓
【我】亲自修改并拍板规则
↓
建好项目地图
↓
Harness 按规矩判断任务边界
↓
RAG 按规矩筛选当前需要的资料
↓
AI 写小批次计划
↓
【我】确认计划
↓
AI 在画好的圈子里干活
↓
跑测试
↓
写交接条 (Closure)
↓
进入下一批
这里面最核心的逻辑就是：
AI 可以出谋划策，也可以下地干活，但方向盘必须死死握在人手里。
上不上线、扔不扔代码、扩不扩大范围、碰不碰高危区……这些事，绝对轮不到 AI 来做主。
AI 只管给建议，人来拍板做决定。
十一、这不是管得太死，而是为了跑得更稳
肯定有人会觉得：搞这么多规则、门禁、测试、交接条，会不会把 AI 给管死了？
我的实际体验恰恰相反。
没这些规矩的时候，AI 看着挺自由，但你得天天跟在它屁股后面收拾烂摊子。有了这些规矩，AI 反而能稳稳当当地跑上很久。
因为它心里有数了：
人定方向，AI 跑执行。
人做决策，AI 做推演。
人画好圈子，AI 在圈子里踩油门。
十二、最后总结一下
我现在理解的“AI 长效记忆”，根本不是让模型去死记硬背几万字的聊天记录。
而是把记忆拆解开，外包给系统：
基本法 (AGENTS.md) = 长期记忆
项目地图 = 空间记忆
Harness = 开工前的安检记忆
RAG = 资料的精准投放记忆
小批次计划 = 当前的任务记忆
决策报告 = 历史的筛选记忆
Closure = 换班的交接记忆
测试 = 规矩的校验记忆
把这套架子搭好，不管你用 Codex 还是 Claude，都不用再靠无限拉长聊天窗口来“续命”了。
每次重新开工，模型都能先读规矩、看地图、过安检、拿资料，然后再利索地干活。这也是我目前折腾下来，最适合长线项目的 AI 编程工作流。
附言
平时我也会顺手用 Mimo 这类国产长文本大模型帮我查漏补缺，挑挑刺，看看计划有没有毛病、AI 有没有越权瞎搞。
多找几个模型交叉“找茬”确实挺香的，但不管怎么折腾，最后的落脚点还是得回到咱们自己定的规则文件、项目地图、门禁和测试上。千万别让 AI 替你拍板做最终决定。
就像智能汽车自动驾驶再好，但是方向盘一定要紧紧握在自己的手里！
xzcccc 06-30 11:041楼
gwb 06-30 11:102楼
Bichi_Panda 06-30 11:233楼
Azero Zf 06-30 12:585楼