夜雨聆风原文启发： CodeBuddy Code 最佳实践 | 原文链接： https://mp.weixin.qq.com/s/fCF20RlN3bmRTOFQ2RaGFQ
写在前面
AI 编程助手正在改变软件开发的范式。但大多数开发者只用到了它 10%的能力——把它当成一个高级搜索引擎，问一句答一句，得到答案后关闭对话。
真正的高手把 AI 编程助手当作结对编程伙伴：它能读取你的代码库、执行命令、修改文件，甚至自主解决问题。但就像一把精密的瑞士军刀，你需要知道正确的使用方式。
今天这篇文章，我结合 CodeBuddy Code 官方最佳实践与自己管理 3 台 VPS+Mac 的实战经验，总结了 10 个核心心法，帮你把 AI 编程助手的价值发挥到极致。
心法一：上下文窗口是最稀缺的资源
核心原则： AI 的上下文窗口就像人的短期记忆——塞太多东西就会"忘事"，性能急剧下降。
上下文窗口承载着整个对话：每条消息、 AI 读取的每个文件、每个命令的输出。一次调试会话就可能消耗数万个 token 。当上下文接近饱和时， AI 会"遗忘"早期指令，频繁出错，甚至开始胡说八道。
我的实战教训
我在同时管理小黄(45.205.31.139)、小培(140.188.165.36)和 Mac 三台机器时，犯过一个典型错误：在一个会话里连续处理了"小黄数据迁移→小培 MCP 配置→Mac SSH 隧道→飞书日程创建"四个任务。结果到第四个任务时， AI 已经开始"遗忘"前面的配置信息，反复出错。
解决方案： 每切换一个任务，果断用 /clear 清空上下文。干净的上下文 = 更高的准确率。
实操建议
/clear 清空上下文/compact 一下，只保留关键信息心法二：给 AI 验证自己工作的方法
核心原则： 没有验证标准， AI 可能产出看似正确但实际无效的代码。
当 AI 能够验证自己的工作时，表现会显著提升——无论是运行测试、对比截图，还是校验输出结果。如果没有明确的成功标准，它可能产出"看起来对但实际跑不通"的代码。这时你就成了唯一能发现问题的人，每个错误都需要你亲自排查。
验证手段
我的实践
在配置企查查 MCP 时，我每配置一个 API 端点就用 curl 测试一次：
curl-s-XPOST"http://139.224.186.15:8091/mcp/company/stream"\
-H"Content-Type: application/json"\
-d'{"jsonrpc":"2.0","id":1,"method":"tools/call",...}'
确认返回正确数据后，才继续配置下一个。这就是"给 AI 验证方法"的实践——每一步都确认，不盲目信任。
心法三：先探索，再规划，后编码
核心原则： 直接让 AI 写代码，可能写出解决错误问题的代码。
推荐四阶段流程
探索 — 让 AI 只读代码、回答问题，不做修改
"读一下 src/payment 目录，弄清楚我们是怎么处理订单和退款的。"
规划 — 让 AI 输出详细实现计划，你审核确认
"我想接入微信支付。需要改哪些文件？支付流程是怎样的？给我一个详细计划。"
实现 — 按计划让 AI 编码，边做边验证
"按你的计划实现微信支付流程。为回调通知写测试，跑一遍测试套件。"
提交 — 让 AI 提交代码、创建 PR
"写个清晰的提交信息，然后开个 MR 。"
我的案例：小黄→小培数据迁移
在把小黄 VPS 的数据迁移到小培时，我就是用这个流程：
如果没有这个流程，我很可能遗漏某个关键服务的配置文件。
什么时候可以跳过计划模式
对于范围明确、改动很小的任务（修复拼写错误、加一行日志、重命名变量），直接让 AI 执行即可。当方法不确定、变更涉及多个文件、或对要改的代码不够熟悉时，计划模式才最有价值。
心法四：在提示中提供具体上下文
核心原则： 指令越精确，后续纠正就越少。 AI 能推断意图，但不会读心。
反面教材 vs 正面教材
| 反面 ❌ | 正面 ✅ |
|---|---|
| "帮我优化一下这个函数" | "优化 src/api/auth.ts 里的 refreshToken 函数，当前有内存泄漏问题，每小时内存涨 10MB" |
| "这个页面有问题" | "登录页面在 Safari 15 上，点击登录按钮后白屏，控制台报 TypeError" |
| "加个功能" | "在用户列表页增加按注册时间排序的功能，支持升序/降序切换，默认降序" |
提供上下文的 6 种方式
cat error.log | claude心法五：配置好你的环境
编写有效的 CODEBUDDY.md
CODEBUDDY.md 是 AI 每次对话开始时都会读取的特殊文件，包含常用命令、代码风格和工作流规则。
-使用 ES 模块语法 (import/export)，不用 CommonJS
-导入时尽量解构 (如 import { foo } from 'bar')
-改完代码记得跑一遍类型检查
-优先跑单个测试文件，别动不动就跑整个测试套件
关键原则： 保持精简。写每一行时问自己："不写这行， AI 会犯错吗？" 如果不会，就删掉。
配置权限
频繁确认权限很烦。用 /permissions 允许安全的命令，或用 /sandbox 启用系统级隔离。
使用 CLI 工具
CLI 工具是与外部服务交互的最省上下文的方式。gh（ GitHub ）、lark-cli（飞书）、docker（容器）——AI 天生擅长用 CLI 。
心法六：有效沟通
向代码库提问
像问一位资深工程师那样问 AI ：
让 AI 采访你
做大功能之前，先让 AI 采访你：
"我想做一个 [简要描述]。用 AskUserQuestion 工具详细采访我。问技术方案、用户体验、边缘情况、潜在风险和权衡。别问显而易见的问题，深挖那些我可能没考虑到的难点。"
一直问到所有方面都覆盖了，然后把完整需求规格写到 SPEC.md 。规格写完后，开一个新会话来实现。
心法七：管理你的会话
及早纠正，经常纠正
一发现 AI 跑偏了，立刻纠正。好结果来自紧密的反馈循环。
用子代理做调研
子代理在独立上下文中工作，不会污染主对话。
"派个子代理调查一下我们的认证系统是怎么处理 token 刷新的。"
子代理会深入代码库，读取相关文件，然后汇报发现——整个过程不会干扰你的主对话。
我在同时管理 3 台 VPS 时，就是用子代理并行处理：一个查小黄的 Docker 配置，一个查小培的 nginx 配置，效率提升 3 倍。
心法八：自动化与扩展
无头模式
claude-p"解释一下这个项目是做什么的"
claude-p"列出所有 API 端点"--output-formatjson
多会话并行
并行运行多个 AI 会话，可以加速开发、做隔离实验，或启动复杂工作流。
"写代码/审代码"模式：一个 AI 写代码，另一个 AI 审查。新鲜的上下文有助于代码审查——因为 AI 不会对自己刚写的代码有偏见。
脚本编排
对于大规模迁移或批量分析，可以把工作分配给多个并行的 AI 调用：
forfilein$(catfiles.txt);do
claude-p"把 $file 从 Class 组件迁移到 Hooks。返回 OK 或 FAIL。"\
--allowedTools"Edit,Bash(git commit *)"
done
心法九：避免常见的坑
1. 无关上下文干扰
你从一个任务开始，中间问了 AI 一些无关的事，然后又回到第一个任务。上下文里塞满了无关信息。
解决： 任务切换时用 /clear。
2. 反复纠正
AI 做错了，你纠正，还是错，再纠正。上下文被失败的尝试污染了。
解决： 纠正两次还不行，就 /clear 然后写一个更好的提示。
3. CODEBUDDY.md 写太多
文件太长的话， AI 会忽略一半，因为重要规则被淹没在噪音里了。
解决： 狠心精简。如果没有这条规则 AI 也做对了，就删掉它。
4. 只信任不验证
AI 产出的代码看起来没问题，但其实没处理边缘情况。
解决： 始终提供验证手段（测试、脚本、截图）。验证不了的东西，别上线。
5. 无边界的探索
你让 AI"调查一下"某个东西，但没限定范围。 AI 读了几百个文件，把上下文填满了。
解决： 缩小调查范围，或者用子代理。
心法十：培养你的直觉
本指南里的模式不是教条。它们是通常有效的起点，但未必是每种场景的最优解。
留意什么方法有效。 当 AI 产出很棒的结果时，回想一下你做了什么：提示怎么写的、给了什么上下文、用的什么模式。当 AI 表现挣扎时，问问为什么：上下文太乱？提示太模糊？任务太大一次吃不下？
随着时间推移，你会培养出任何指南都无法替代的直觉。
结语
AI 编程助手不是万能的，但用对了方法，它能让你的效率提升 10 倍。
记住这 10 个心法：
1. 管理上下文窗口
2. 给 AI 验证方法
3. 先探索再编码
4. 提供具体上下文
5. 配置好环境
6. 有效沟通
7. 管理会话
8. 自动化扩展
9. 避免常见坑
10. 培养使用直觉
工具只是起点，如何用好它才是关键。
本文结合 CodeBuddy Code 官方最佳实践与个人实战经验（ 3 台 VPS+Mac 管理、企查查 MCP 配置、飞书自动化等）整理，希望对你有帮助。