夜雨聆风
AI 跑得慢的时候,我整理出这 9 条多线协作经验
前段时间我写过一篇文章，讲自己怎么用“数字桩”记住一堆 AI 窗口。
那篇文章解决的是第一个问题：
窗口太多，怎么不丢？
但最近我发现，窗口不丢只是开始。
更难的是第二个问题：
窗口都还在，人开始乱了。
你可能也有过这种情况。
一个 AI 在跑测试，一个 AI 在改代码，一个 AI 在帮你整理文章，另一个窗口还在查资料。屏幕上看起来很热闹，所有东西都在动。
但过一会儿，每个窗口都回来找你要判断。
这个说完成了。
那个说发现风险。
另一个说建议你重构。
你看着这些结果，突然想不起来：
我刚才到底要推进哪条主线？
这就是 AI 多任务里最常见的问题。
不是工具不够多。
是人自己的调度系统不够稳。
所以这篇我不写成一篇很完整的理论文章了。我直接整理成清单。
下面这 9 条，是我最近用 AI 编程、多窗口协作、多 Agent 跑任务时，总结出来的经验。你可以当成一张“AI 等待时间操作卡”。
经验 1：AI 慢的时候，先别急着开新坑
这是第一条，也是最重要的一条。
AI 跑得慢的时候，人会手痒。
“反正它在跑，我别闲着。”
这句话听起来很勤奋，其实很危险。
因为你很容易顺手打开一个完全无关的新任务。看一个新产品，写另一篇文章，处理一条复杂消息，或者突然规划一个新项目。
表面上看，你没有浪费时间。
但实际上，你把自己的上下文切碎了。
等 AI 跑完回来，你要重新想：
- 它刚才为什么改这个文件？
- 我让它验证什么？
- 哪个地方最可能出错？
- 下一步本来要看什么？
这些东西不会自动留在脑子里。
所以我现在会先问自己一句：
我现在做的事，和当前这条主线还有关系吗？
如果没有关系，先别开。
经验 2：等待时间不是空白时间，是调度时间
以前做事，慢的是人。
人写代码，人查资料，人改页面，人调 bug。
现在不一样了。AI 开始接走很多执行动作。
它在读仓库、改文件、跑测试、生成方案。
这个时候，人很容易有一种错觉：
我是不是没事干了？
其实不是。
你只是从执行层，切到了调度层。
AI 是执行层。
人是编排层。
等待时间，就是编排层工作的窗口。
这段时间不是让你随便找事填满，而是让你做这几件事：
- 判断当前主线有没有跑偏。
- 补充下一轮上下文。
- 准备验收标准。
- 想清楚下一条任务该不该开。
- 把这一轮经验沉淀成下次能复用的规则。
你不是在等。
你是在防止整个系统失控。
经验 3：只并行同类任务，不要跳进另一个世界
这条特别实用。
AI 在跑的时候，可以并行。
但只能并行同类任务。
什么叫同类？
不是任务名字一样。
而是它们服务同一个目标，使用同一套背景，最后能用同一个标准验收。
比如 AI 正在改一个打卡软件的核心流程。
这时候你可以做：
- 整理这个项目的验收清单。
- 看它刚才改过的文件。
- 让另一个 AI 做代码审查。
- 补这个项目的文档。
- 砍掉这个项目里不该做的功能。
这些都算同类任务。
因为它们都还围绕同一个交付。
但如果你一边等 bug 修复，一边去规划新产品，一边写另一篇文章，一边处理复杂人际消息，那就不是并行。
那叫乱跳。
我现在的判断标准很简单：
如果切回来以后，我需要重新加载一整套背景，它就不是同类任务。
经验 4：短等待别走远，中等待补上下文，长等待才开支线
我现在会把等待时间分成三档。
这个分类不复杂，但很好用。
30 秒到 2 分钟：别走远
这种等待最短。
比如 AI 正在读几个文件、生成一小段 diff、跑一个局部命令。
这个时候别打开新项目。
它很快就回来了。你一走，再切回来，脑子里那根线就断了。
短等待适合做小动作：
- 看输出有没有明显跑偏。
- 写下一轮反馈的第一句话。
- 记一个刚冒出来的坑。
- 看
git diff或命令日志。 - 补一句验收标准。
就这么点。
2 到 10 分钟：补上下文
中等待最适合做上下文工程。
比如 AI 在跑测试、做中等规模重构、整理一批文件。
这时候可以整理：
- 当前需求到底是什么。
- 之前踩过哪些坑。
- 哪些文件等会儿必须看。
- 如果它做偏了，下一轮怎么反馈。
- 如果它做对了，下一步派什么任务。
很多时候 AI 做不好，不是模型不行，而是我们给它的上下文太碎。
它在跑的时候，正好补这个。
10 分钟以上：可以开支线
长等待可以开支线。
但还是那句话，只能开同类支线。
比如：
- 同项目的文档整理。
- 同功能的测试补充。
- 同文章的资料整理。
- 同 bug 的另一种假设验证。
- 同交付物的产品、技术、质检评审。
记住一句话：
可以多线，但不要乱线。
经验 5：给 AI 完整任务包，不要一句一句挤牙膏
很多人用 AI 的方式是这样的：
先说一句：
“你帮我改一下。”
改完发现不对，再补一句：
“不是这个意思，我是想要另一种效果。”
它又改了一轮，你突然想起来：
“对了，这个文件不能动。”
再补。
这样来回几次以后，人烦，AI 也乱。
最后你会觉得 AI 很笨。
但说实话，很多时候不是 AI 笨。
是我们一开始没有把任务说清楚。
所以我现在尽量给 AI 一个完整任务包。
一个任务包至少要有这些东西：
- 任务目标：你要完成什么。
- 当前背景：项目现在是什么状态。
- 工作范围：你可以改哪里，不能改哪里。
- 约束条件：风格、技术栈、命名、风险边界。
- 工作完成标准：做到哪些事，你才能说自己做完。
- 验收标准：我用什么证据判断你合格。
- 自我评价要求：提交前你要先按标准自查。
- 停止条件：遇到什么情况不要硬猜，先停下来。
这里最关键的不是模板本身。
而是它会逼你先想清楚。
AI 会放大你的清楚。
也会放大你的混乱。
经验 6：一定要区分“做了”和“交付了”
多 AI 协作里，最危险的一句话是：
“我已经完成了。”
AI 很喜欢这么说。
但它说完成了，不代表真的交付了。
做了，是它动了文件。
交付了，是页面能打开、测试能过、边界状态没漏、原来的功能没坏。
做了，是它写了一篇文章。
交付了，是文章读起来像人说话，结构能顺着读下去，文末该有的引流图也放好了。
所以我现在给 AI 任务时，一定会写两种标准。
一种是工作完成标准。
这是给 AI 自己看的：
你做到哪些动作，才算做完？
另一种是验收标准。
这是给人看的：
我用什么证据判断你交付合格？
如果没有验收标准，AI 的“完成”就只是它自己的感觉。
不算数。
经验 7：每条任务线都要有状态卡
多窗口最怕什么？
不是窗口多。
是你不知道每个窗口在干什么。
我现在会给每条任务线一个很小的状态卡。
不用复杂，大概这样就够了：
## 任务线状态卡
- 编号：
- 目标：
- 执行者：
- 当前状态：running / blocked / reviewing / done
- 最终交付物：
- 验收方式：
- 当前风险：
- 下一次检查时间：
这张卡解决三个问题：
- 我现在到底开了几条线？
- 哪条线需要我处理？
- 哪条线已经偏离主线，应该停掉？
如果你同时开很多终端、浏览器 tab、AI 会话，状态卡特别有用。
上一篇我讲数字桩，其实解决的是“窗口地址”。
状态卡解决的是“任务状态”。
一个让你知道它在哪里。
一个让你知道它到底在干什么。
经验 8：所有结果必须回到一个主控面板
这条是多 AI 协作的底线。
不要让每个 AI 自己定义真相。
一个 AI 说它完成了。
一个 AI 说它发现风险。
一个 AI 说建议重构。
如果这些结论散在不同窗口里，你迟早会被带乱。
所以所有结果必须回到一个地方。
这个地方可以很简单：
- 一篇 Obsidian 主控笔记。
- 一个 GitHub issue。
- 一个 PR 描述。
- 一个任务看板。
- 一个项目日报。
形式不重要。
重要的是只能有一个地方说了算。
主控面板里至少要有：
- 当前主目标。
- 正在跑的任务线。
- 已完成事项。
- 待验收事项。
- 阻塞项。
- 当前风险。
- 下一步。
- 本轮沉淀出来的新规则。
你可以让 AI 分头执行。
但最后只能有一个地方汇总真相。
否则你不是在管理一个生产系统。
你是在追着一堆聊天窗口跑。
经验 9：先删，再加速，最后才自动化
这是我最近感触很深的一条。
AI 太擅长执行了，所以它会诱惑你把一堆本来不该做的东西也做掉。
因为成本看起来变低了。
“反正让 AI 做一下嘛。”
这句话特别危险。
我在做“爱打卡”项目时就有这种感觉。
项目反复做了很多轮，换过很多工具，跨过很多周期。
但我自己一直没有真正用起来。
后来我意识到，不是工具不够强，而是我给它加了太多枝节。
太多以后可能有用的功能。
太多看起来完整、但会拖慢核心体验的东西。
砍掉以后，反而清楚了：
先把核心打卡体验做完整，做稳定，做到我自己愿意每天打开。
其它先不要。
这个逻辑放在 AI 多线协作里也一样。
顺序应该是：
- 先质疑需求：这条任务线真的该存在吗？
- 再删除流程：能不能直接砍掉？
- 然后简化优化：保留下来的主线能不能更短？
- 再加速：主线稳定后，再让 AI 并行跑。
- 最后自动化：流程反复验证过，再交给 Agent 循环。
顺序不能反。
需求没想清楚，就上多 Agent。
主线没跑通，就上自动化。
验收标准没有，就让 AI 自己循环。
那不是效率。
那是在加速混乱。
最后，我会把这 9 条压成一句话
AI 跑得慢的时候，不要急着离开现场。
先看主线。
再补上下文。
再补验收标准。
然后只开同类、低耦合、能独立验收的支线。
所有任务线都要有状态卡。
所有结果都回到主控面板。
每一轮结束以后，再把经验沉淀成模板、规则、案例或者 Skill。
这才是 AI 编程里的多线协作。
不是多开几个窗口。
而是让每一条线都知道自己为什么存在，什么时候验收，什么时候收回来。
慢的时候，不是离开战场。
慢的时候，是升到指挥位。
想看更多这种 AI 工作流和真实项目里的拆解？扫码加入我的知识星球「AI 进化俱乐部」，我会持续分享 AI 编程、Agent 协作和个人成长路径的一手经验。
