打破“纯文档转代码” (Specs to Code) 的幻想。
代码并不廉价，糟糕的代码极其昂贵。你需要的是战略规划，而不是盲目编译。
“我以为我想得很清楚了，但 AI 写出来的东西完全风马牛不相及。” —— 你们缺乏共享的 设计共识 (Design Concept)。
要求 AI：“无情地采访我计划的每一个细节，顺着设计树的每个分支，逐一解决依赖关系，直到我们达成共识。” 让 AI 向你提出 40-60 个问题，变身成你的反方辩友。
AI 输出了大段罗嗦的解释，你们在用不同的词汇指代同一个东西。
借鉴领域驱动设计 (DDD)：建立一个包含核心术语的 Markdown 字典表。每次与 AI 规划时都带上它，强制 AI 使用精准、统一的领域词汇，大幅降低废话并提高执行精度。
LLM 喜欢一次性倾泻巨量代码，就像在黑夜中“车速超过了车灯的照射范围”。
大干快上
一次性生成大量代码
发现满屏 Bug
先写小测试
让测试通过
重构并考虑设计
反馈的速度上限，就是你的安全行驶限速。
当代码库充满大量琐碎的“浅层模块”时，AI 无法理清依赖，很容易迷失方向。
功能少，接口复杂。代码库像一地碎片，AI 导航极其困难。
功能强大，被隐藏在一个极简的接口后。高度可测试，对 AI 极其友好。
AI 产出的代码越多，你需要审查和塞进大脑里的信息就越多，导致极度疲惫。
将深度模块视为灰盒。你只需把控和设计坚固的外部接口边界，编写针对接口的测试；至于黑盒内部的具体实现逻辑，大可放手委托给 AI 去填充。“每天都在系统的设计上投资。”