别让AI助手问你200个问题:用好“连续追问”的6个避坑指南

我的 Grill Me（连续追问）和 Grill With Docs（带文档追问）技能发布有一阵子了，很多工程师都在用它们代替 AI Agent 的“计划模式”。

但我偶尔还是会听到一些吐槽：“这个 AI 刚才连续问了我 200 个问题，太烦人了！”听到这种话，我其实是有点皱眉的。

这些技能的本质就是“连续追问”——通过不断向你提问，直到你们对要做的项目达成共识。这意味着，它非常依赖使用者的“规划能力”。你需要理解项目的范围，并且知道哪些问题可以直接回答，哪些问题需要写点代码才能搞清楚。

这些技能设计的初衷是辅助你，而不是取代你。为了让你真正用好它们，我总结了大家最容易犯的几个错误。只有看清这些“失败模式”，我们才能真正改变工作流。

视角一：问题的“保真度”——有些问题根本不该用嘴答

在使用“连续追问”时，我们本质上是在回答关于项目细节的问题。借用《Shape Up》这本书里的概念，问题可以分为不同的“保真度”：

高保真问题：需要看到具体细节才能回答。比如“这个 UI 交互手感怎么样？”“这几个表单是拆成多页好，还是做成单页长表单好？”这类问题光靠脑补是没用的，你必须画个原型或者把粗糙的代码跑起来才能判断。低保真问题：不需要原型就能回答。比如“这个根目录应该挂在哪个 URL 下？”直接给答案就行。

第一个常见的误区，就是试图在纯文字对话中，去回答“高保真问题”。

换句话说，有些问题是可以在问答中解决的，有些则不行。遇到高保真问题怎么办？我通常会做一次“原型交接”。暂停当前的追问，新开一个对话专门做原型设计，等看到高保真效果并得出结论后，再把经验带回原来的对话中继续推进。

视角二：控制范围——别把 AI 逼进“降智区”

你要明确自己正在讨论的任务范围有多大。如果范围太大，你一定会撞上两个大坑：

1. 隐藏的高保真问题爆发：范围越大，藏在里面的细节问题就越多。与其凭空为未来好几天的工作做计划，不如在一个已经确认可用、扎实的基础上，一点点添砖加瓦。很多人试图让 AI 一次性规划好几天的任务，结果得到一堆垃圾代码，就是因为步子迈得太大。2. 撞上模型的“降智区”：如果范围太大，随着对话的进行，你可能一半的问题还没答完，上下文就已经逼近了模型的极限（也就是“降智区”）。目前最先进的模型，大约在处理 120k Token 后就会开始变笨。一旦注意力机制不堪重负，AI 就会开始做蠢决定。

正确的做法是：如果你觉得任务范围大到 AI 很难消化，先让 AI 把这个大目标拆成几个小任务，然后针对每一个小任务分别进行“连续追问”。

视角三：掌握主动权——别把对话变成“面试”

在和 AI 沟通时，你到底是被动挨问，还是主动引导？

很多人发给我的那种长篇大论、极其糟糕的对话记录，我一看就知道是人类太被动了。请记住，这是一场“对话”，而不是“面试”。虽然是 AI 在提问，但把控方向、控制范围、让项目走在正轨上，是你的责任。如果你太退让，AI 就会像个失控的面试官，一口气抛出几百个问题，甚至去问那些毫无意义的低保真废话。

当然，走向另一个极端也不好：有时候明明应该动手写代码看效果了，你还在固执地跟 AI 纸上谈兵。

所以，时常审视自己：我是不是太被动了？还是太急躁、过于自以为是了？

视角四：保护上下文——别把黄金资产当垃圾扔掉

在使用“连续追问”的过程中，随着你不断回答问题、做出架构决策，这个包含了几万字上下文的窗口，已经变成了极其宝贵的资产。

如果一切顺利，你可以直接在当前窗口让 AI 开始写代码。但如果你不得不中断当前对话，准备把任务交接给下一个阶段，此时就该输出一份需求文档（PRD）了。

我见过最离谱的错误是：有人在交接前，居然先把当前的上下文清空了！然后开个新窗口让 AI 写需求文档？这太疯狂了！你在刚才的对话里积累了可能 10 万 Token 的优秀设计决策，你就这么全扔了？

你在追问环节做出的每一个决策都极具价值。请务必把它们保留下来，要么直接转换成代码，要么让 AI 基于这些聊天记录生成一份交接文档，方便以后参考。

视角五：选对模型——别用太笨的模型做规划

懂行的人都知道，区分问题保真度、问出有深度的好问题，这非常考验模型的智商。

AI 模型的知识来源有两种：上下文知识：你喂给它的文件、提示词，或者它自己查到的资料。参数知识：模型在预训练时记住的“常识”。

在“连续追问”阶段，我们需要依赖模型的“参数知识”。我们需要它利用自己对软件系统的深刻理解，来提醒我们那些没考虑到的盲区，提出一些打破常规的好主意。这需要参数量极大、训练极其优秀的最前沿大模型。如果你在这个阶段为了省钱用便宜的小模型，基本都会翻车。

但很多人不知道的是：到了写代码的执行阶段，你反而可以用稍微笨一点（便宜一点）的模型。因为到了这个时候，你已经有了详细的计划和相关的代码文件，模型主要依赖的是你提供的“上下文知识”，而不是它自带的“参数知识”。

视角六：提升效率——并行处理多个对话

最后是一个极其简单但很少人用的技巧：同时开启多个对话进行“连续追问”。

我的工作流通常是这样的：在这个窗口回答完 AI 的问题（我通常用语音输入），然后切到另一个已经生成好问题的窗口，回答那个问题，再切回来。就这样来回横跳。

有人觉得这会增加心智负担，但其实这就跟同时聊两个微信群差不多，没那么难。这也是我发现的唯一能大幅提升产出、在更短时间内完成更多规划的方法。我一般最多同时开两个对话，除非其中一个在做耗时较长的调研。如果你精力充沛，甚至可以尝试开三个。总之，熟练之后，你的效率会翻倍。

总结

1. 区分问题的保真度：能文字回答的就答，需要看效果的就果断去写原型。2. 控制任务范围：别撑爆 AI 的上下文窗口，也别耗尽你自己的精力。3. 保持主动权：你是项目的掌舵人，别让 AI 把对话变成连环面试。4. 保护上下文：聊出来的设计决策都是宝贵资产，一定要生成交接文档留存。5. 好钢用在刀刃上：用最聪明的模型做规划提问，普通的模型做代码执行。6. 尝试多开窗口并行工作，让你的效率飞起来。

如果你喜欢这种务实、接地气的分享，你一定会喜欢我专门为工程师打造的《AI 辅助编程》课程（目前还有最后 1 天多的早鸟优惠）。我在里面系统整理了各种最高效的学习路径和实操练习。

感谢大家的阅读，如果你觉得这篇文章有帮助，或者有其他想了解的 AI 编程话题，欢迎在评论区告诉我！