ARTICLE · 1083789
让AI先盘问我再干活,首版代码合格率从50%干到90%
那个凌晨，我删掉了AI写的第4版方案
上个月有个周三，我在公司加一个不算复杂的功能：给用户系统接一套订阅计费。
下午两点，我打开AI助手，输入"帮我做一个订阅计费模块"。三秒后，屏幕上铺开一篇2000字的方案，从架构图到表结构设计，洋洋洒洒。我逐字读了二十分钟，发现一半是按它自己的想象写的——数据库选型不对，认证方式跟我们现有体系冲突，还自作主张加了个我们根本不需要的优惠券系统。
我指出问题，它重写。再读，再指出，再重写。到第四版的时候，我看了眼时间，晚上十一点。一行代码没写，四个多小时没了。
说实话，那一刻我有点怀疑人生。AI明明每秒能写几百行代码，为什么我的效率反而比以前更低？
后来我花了两周时间折腾出一套新流程，同样是这个量级的功能，现在的节奏是：花10分钟回答AI的提问，然后它自己干40分钟，我喝咖啡，回来收货，首版代码85%以上能用。
差别在哪？不是我换了更贵的模型，是我把人和AI的角色调了个个儿。
AI干活的真正瓶颈，从来不是生成速度
先说一个很多人没意识到的真相：用AI干活，瓶颈不是它写得快不快，而是它理解得准不准。
模型可以7×24小时不眠不休地产出。但你丢给它一句模糊的需求，它就必须自己脑补所有空白——用什么框架、怎么命名、做到什么程度、边界在哪。它脑补的依据是训练数据里的"通用做法"，而不是你项目的真实情况。
于是出现了AI时代最荒诞的场景：AI负责创作，人负责审稿。
它写一篇，你审一篇。你成了那个逐字批改作文的语文老师，每天精神内耗拉满。一个复杂功能，光来回对齐需求就要30到40分钟，比你自己写还累。
市面上流行的解法是把流程做重：头脑风暴、生成规划、再执行，一套框架把所有环节都管起来。这类工具刚出来的时候我第一时间用过，确实比裸奔强。但用久了问题很明显——框架本身越来越臃肿，模块越堆越多，每次先甩给你一份30段的完整方案，你还是要逐字审查。流程从"轻量最佳实践"变成了"重型全家桶"。
我后来想明白一件事：方向错了。问题不是方案不够详细，而是AI在没搞清需求之前就开始写方案。
如果反过来呢？不让AI先出方案，让AI先来盘问你。
思路反转：你当决策者，AI当提问者
这个思路下有两个工具，一个负责"问清楚"，一个负责"不跑偏"，组合起来就是我现在的日常主力。
第一个工具：Grill-Me，一个只有5行代码的"盘问"技能。
它是资深工程师Matt Pocock做的一个Claude Code技能。没有框架、没有配置、没有依赖，核心逻辑就一句话：写代码之前，先通过对话把需求问透。
它跟传统头脑风暴的区别在哪？传统的做法是AI一次性甩给你一张大表格、一份完整清单，让你整体评估。Grill-Me是一次只问一个问题，问一个分叉点：
• "这个模块用单例模式还是依赖注入？"
• "数据库建议用PostgreSQL，你们项目里已经有实例，可以吗？"
• "我在src/services目录下看到有类似的写法，要不要沿用这个风格？"
你每个问题花5到10秒拍板，它接着问下一个。更关键的是，它会自己读你的代码库，从现有的规范、配置、抽象里找答案。我有一次连续被它"自问自答"解决了4个问题——它自己翻了仓库里的命名规范和代码模式，觉得没有问的必要，直接确认了。
用起来的体感变化非常大。以前是"它创作、我审查"，现在是"它提问、我做选择题"。Reddit上有个13万赞的讨论帖说得很到位：传统流程里AI主导、人审查，精神内耗拉满；角色一颠倒，你是决策者，AI是提问者，轻松太多了。
而且它跨工具通用，Claude Code、Codex、Cursor都能装，即插即用。
第二个工具：Trellis，给AI装上护栏的"项目经理"。
问清需求只解决了上半场。下半场的问题是：长会话里AI会跑偏。
你肯定遇到过：AI开局很稳，聊了半小时之后开始遗忘约束、前后决策矛盾、上下文越来越模糊，代码质量一路下滑。这不是模型变笨了，是对话越长，最初的需求在上下文里被稀释得越厉害。
Trellis是一个命令行工具，作用相当于坐在需求和AI执行之间的项目经理。它把需求固化成一棵结构化任务树，持久化存在项目里，不随对话变长而退化。
它的关键在于验收标准写得极其具体。不是"做一个用户认证"这种模糊条目，而是"实现JWT刷新令牌轮换，有效期7天，过期返回401状态码"。每一条都是可以验收、可以打勾的指令。
一句话总结：Grill-Me让AI搞明白该做什么，Trellis让AI始终记得做到什么程度算完。
我的完整工作流，拿去就能抄
理论说完，给你看我本周交付一个功能的真实步骤，总共三段。
第一步：Grill-Me盘问需求，10分钟。
我用两三句话模糊描述想法，比如"给现有用户体系加一个订阅计费，支持月付年付"。它立刻开始追问：
• "做成独立服务还是挂在现有用户模块下？"
• "年付的到期时间是按自然年还是按购买日顺延？"
• "我看到仓库里有现成的支付回调处理，要不要复用？"
每个问题我几秒钟就能答完。10分钟后，它对需求的理解比我自己写的文档还精准。
第二步：Trellis生成任务树，2分钟。
在项目根目录跑一条trellis init，把刚才盘问出来的共识导进去，自动生成任务树。出来的东西长这样：
"新建subscriptions表，字段包含id、user_id、plan_type、started_at、expires_at，user_id加索引。"
没有一句模糊大纲，全是精确指令。
第三步：AI自主执行，我去摸鱼，40分钟。
需求清晰、验收标准明确的前提下，我会开启免确认模式，让AI自己写代码、跑测试、修bug，一口气干40分钟不中断。我去泡杯咖啡回来，拿到的代码85%到90%贴合需求，微调一下就能提交。
对比一下旧流程：首版输出只有50%能用，然后我再花一个小时反复改。效率差距不是一点半点，是一个下午和一个小时的差距。
写作文和做选择题，是两种物种
这套流程最值钱的地方，我觉得不是省时间，是省脑子。
以前的工作循环是：AI生成长方案→我逐字阅读→挑出错误→组织语言解释→AI修改→我再审一遍。全程都是高强度的评估性思考，一个复杂功能下来，脑壳是真的疼。
现在的循环是：AI问"选X还是选Y"→我答"X"→下一个问题。偶尔补一句纠偏，大多数时候就是点头确认。
一个是写作文，一个是做选择题。同样是完成需求，从零创作和快速判断的脑力消耗完全不在一个量级。做选择题我可以连续做一小时不累，审作文审半小时就想砸键盘。
而且这个思路不只对写代码有用。我后来把它迁移到了别的场景：让AI帮我写方案之前，先让它列10个问题盘问我；让AI帮我整理会议纪要之前，先让它确认纪要的读者是谁、要突出什么。凡是AI要替你产出东西的场景，先让它问，再让它写，成品率都会肉眼可见地提升。
这套方案适合你吗
适合的场景：
• 复杂任务：需求一句话说不清楚、涉及多文件改动、有架构决策要做的
• 长会话开发：任务量大，AI容易干着干着就跑偏的
• 多工具切换：在Claude Code、Codex、Cursor之间来回换的，这套组合全都兼容
不适合的场景：
• 极简任务：写个排序函数、加个加载动画，直接一句话丢给AI反而更快，杀鸡不用牛刀
• 不写代码的读者：这两个工具是命令行工具，面向开发者。但"先盘问再生成"的思路人人可用
两分钟安装指南
Grill-Me（以技能形式安装）：
npx skills@latest add mattpocock/skills --yes注意它不支持子路径安装，需要装完整仓库，会自动适配Claude Code、Codex、Cursor、Gemini CLI。
Trellis（命令行框架）：
npm install -g @mindfoldhq/trellis@beta然后进入你的项目目录，执行trellis init，按提示加上--claude、--codex之类的参数，它就会为你正在用的工具生成统一规划。
一个必须知道的安全提醒
工作流第三步里说的免确认模式，就是dangerously-skip-permissions这个参数。它会让AI跳过所有权限确认，自由读写文件、执行命令。
好处是流程不中断，复杂任务可以一口气跑完。风险是AI可能执行你意料之外的操作。
我的经验法则：只有当Grill-Me把需求盘问清楚了、Trellis把验收标准写死了，才开这个开关。新项目、需求还模糊的时候，老老实实人工值守，一步一确认。工具是放大器，放大效率的同时也放大错误，护栏得自己装好。
最后说两句
这两年AI编码工具的方法论一直在迭代，从裸提示词，到头脑风暴加规划的重型框架，再到今天的轻量盘问式流程。模型在进化，用法也该进化。
但有一点始终没变：需求对齐永远是核心，变的只是对齐的方式。以前的方式是让AI写长篇方案、你来审；现在的方式是让AI逐条提问、你来答。笨重的包装该淘汰了。
10分钟回答问题，和40分钟审查方案，看起来只差半小时，实际上是两种完全不同的工作体验。一个是消耗，一个是掌控。
今晚就装一个试试。下次开工前，让AI先盘问你10个问题，你会回来感谢我的。
结尾互动
如果这篇文章对你有帮助，点击右下角"推荐"，让更多人看到。
关注「飘雪思考」，每周更新职场干货与底层思维，和10万+读者一起成长。
💬 你怎么看？ 你用AI干活时，是"审方案派"还是"答问题派"？有没有被AI的长方案折磨过的经历？
欢迎在评论区留下你的想法，我都会看的。
📌 收藏这篇文章，下次遇到AI干活总跑偏、方案反复改的场景，直接翻出来用。
觉得有用就转发给朋友，说不定正好帮到需要的人。