很多人现在用 AI 编程，都会遇到一个类似的问题：

我明明给了 AI 一个大目标，它也能写代码。
但它总是做着做着就停下来，问我这个怎么选、那个怎么定。
最后我发现，AI 写代码很快，但我不断回答问题、补充上下文，反而很累。

这不是你的问题，也不完全是 AI 的问题。

更准确地说，这是协作系统的问题。

你不能把 AI 当成一个可以连续几天不睡觉、不迷路、不犹豫的程序员。你应该把它当成一个能力很强，但需要明确边界、任务清单、验收标准和记录机制的协作者。

这篇文章想讲清楚一件事：

想让 AI 持续完成软件开发任务，不是靠一个神奇 Prompt，而是靠一套可执行的开发流程。

---

一、先反过来想：为什么 AI 会中断？

查理·芒格很喜欢一种思考方式：

反过来想，总是反过来想。

所以我们不先问：

怎么让 AI 连续工作几小时甚至几天？

而是先问：

为什么 AI 不能持续工作？

答案通常有几个。

---

1. 目标太大，但边界太模糊

比如你对 AI 说：

帮我做一个英语学习 Agent 系统。

这句话对人来说好像能理解，但对开发来说太大了。

AI 会立刻遇到一堆问题：

• 要不要登录？

• 用户目标是否可以自定义？

• 后台管理系统做到什么程度？

• 课程内容怎么生成？

• 微信公众号推送怎么接？

• 数据库表怎么设计？

• MVP 到底做到哪里算完成？

如果这些问题没有提前定义，AI 就只能不断问你。

它不是故意偷懒，而是它不知道哪些决策可以自己做，哪些必须问你。

---

2. AI 没有“默认决策权”

人类团队里，优秀的工程师不会每一个按钮颜色都问老板。

他会根据项目目标自己判断：

这是 MVP，先用最简单的方案。
这个字段命名不影响大方向，我自己定。
这个功能涉及安全，我必须确认。

但 AI 默认没有这种清晰权限。

所以你需要告诉它：

哪些事情可以自己决定，哪些事情必须问我。

否则它会为了避免犯错，不断中断。

---

3. 没有任务拆分，只有一个大愿望

很多人给 AI 的不是任务，而是愿望。

例如：

做一个后台管理系统。
做一个 Agent 产品。
做一个完整的 SaaS。

这些都不是好任务。

好任务应该是：

创建用户表、课程表、学习计划表，并提供基础 CRUD API。
完成标准：
1. 有数据库迁移文件
2. 本地可以成功创建表
3. 有基础接口
4. 有简单测试
5. README 写明启动方式

AI 最喜欢 checklist。

因为 checklist 会减少猜测。

---

4. 没有验收标准

如果你不告诉 AI “什么叫完成”，它就会一直犹豫。

例如：

做一个学习测试页面。

这句话不够清楚。

更好的写法是：

做一个英语水平测试页面。

完成标准：
1. 用户可以看到 10 道题
2. 用户可以提交答案
3. 系统可以计算一个简单水平：A1/A2/B1/B2
4. 结果保存到数据库
5. 页面有基础错误提示
6. 本地可以跑通

AI 不是怕工作，而是怕目标不清。

---

二、不要追求“AI 永不停机”，要追求“AI 可恢复”

很多人有一个错误期待：

我希望输入一个大目标，然后 AI 连续工作几天，把整个项目做完。

这个想法很诱人，但现在并不现实。

更现实、更稳定的目标是：

AI 即使中断，也能通过项目文档继续接着干。

这就像一个公司不能依赖某个员工的脑子记住所有事情。

真正成熟的团队，会有：

• 产品文档

• 技术方案

• 任务清单

• 决策记录

• 问题记录

• 测试用例

• 进度记录

AI 开发也是一样。

你要做的不是让 AI 永远不中断，而是让它中断以后还能恢复。

这才是关键。

---

三、AI 开发协作的核心：把上下文放进项目里

很多人把上下文放在聊天窗口里。

这很危险。

因为聊天窗口会变长，会丢重点，会中断，也会被新对话切断。

更好的方式是：把上下文写进项目文件。

推荐你在项目里准备这些文件：

docs/
  goal.md
  ai-rules.md
  product-requirements.md
  technical-design.md
  task-breakdown.md
  decisions.md
  blockers.md
  progress.md
  next.md

这些文件就是 AI 的“项目记忆”。

---

四、第一份文件：goal.md

goal.md 用来定义大目标。

它不是写给用户看的，而是写给 AI 协作者看的。

示例：

# Project Goal

我要开发一个微信公众号里的英语学习 Agent。

第一阶段只做 MVP，不追求完整商业化。

目标用户：
准备学习英语、尤其是想考雅思的用户。

统一目标：
所有用户默认目标都是雅思 7 分。

MVP 核心流程：
1. 用户进入公众号
2. 系统发送英语水平测试链接
3. 用户完成简单测试
4. 系统判断用户大致水平
5. 系统询问用户学习时间和学习偏好
6. 系统生成学习计划
7. 系统按时间推送每日学习任务
8. 后台可以管理课程内容和素材

技术要求：
- 前端使用 React
- 后端使用 Node.js
- 数据库使用 MySQL
- 优先简单稳定
- 不要过度设计

完成标准：
- 本地可以完整跑通
- 有 README
- 有数据库表结构
- 有基础后台页面
- 有用户学习流程
- 有基础测试

这份文件解决的是：

我们到底要做什么？

---

五、第二份文件：ai-rules.md

这是最重要的一份文件。

它定义 AI 的行为规则。

很多 AI 中断，不是因为它不会做，而是因为它不知道自己有没有权力做决定。

你可以这样写：

# AI Rules

你是这个项目的 AI 开发助手。

你的目标是自主推进 MVP 开发，而不是每一步都问我。

## 默认原则

当需求不完整时，你应该：
1. 优先选择最简单可上线方案
2. 优先选择主流技术方案
3. 优先保证 MVP 跑通
4. 不要为了完美架构拖慢开发
5. 把你的假设记录到 docs/decisions.md
6. 继续执行，不要停止

## 你可以自己决定的事情

以下情况不需要问我：
- 文件结构怎么组织
- 普通组件怎么拆分
- 接口字段命名
- 数据库普通字段设计
- 页面基础样式
- 普通错误提示
- 使用哪个常见开源库
- 测试怎么写
- README 怎么组织

## 你必须问我的事情

只有以下情况需要问我：
- 删除已有重要代码
- 修改核心技术栈
- 涉及真实支付
- 涉及用户隐私和安全
- 接入真实第三方账号
- 需求之间明显冲突
- 所有任务都被阻塞

## 遇到问题时

不要直接停止。

请按这个顺序处理：
1. 尝试自己修复
2. 查看错误日志
3. 搜索项目已有代码
4. 写一个最小修复方案
5. 更新测试
6. 如果仍然失败，把问题记录到 docs/blockers.md
7. 继续做其他不依赖该问题的任务

这份文件解决的是：

AI 什么时候可以自己判断，什么时候必须找你？

---

六、第三份文件：task-breakdown.md

AI 不适合直接执行一个巨大目标。

它更适合执行一组清晰的小任务。

所以你需要任务拆分。

示例：

# Task Breakdown

## Phase 1: Project Setup

### Task 1: Initialize project structure
Status: Todo

Goal:
Create basic frontend, backend, database, and docs structure.

Done when:
- Project can start locally
- README has setup instructions
- Basic health check API works

---

### Task 2: Create database schema
Status: Todo

Goal:
Create tables for users, tests, learning plans, courses, and daily tasks.

Done when:
- SQL migration exists
- Tables can be created locally
- Basic seed data exists

---

## Phase 2: User Learning Flow

### Task 3: Create level test page
Status: Todo

Goal:
User can complete a simple English level test.

Done when:
- User can open test page
- User can answer questions
- System can calculate rough level
- Result can be saved

---

### Task 4: Create learning preference collection
Status: Todo

Goal:
Collect user available time and learning preference.

Done when:
- User can choose daily study time
- User can choose preferred content type
- Data is saved

这份文件解决的是：

AI 下一步到底该做什么？

---

七、第四份文件：decisions.md

AI 开发一定会遇到很多小决策。

如果每个都问你，项目就会很慢。

所以你可以让 AI 自己决定，但必须记录。

示例：

# Decisions

## D001: Use MySQL for MVP

Reason:
The project owner already uses MySQL often. MySQL is stable and enough for MVP.

## D002: Use simple rule-based level test first

Reason:
MVP does not need a full IELTS simulation. A simple level estimate is enough for validation.

## D003: Use mock WeChat push in local development

Reason:
Real WeChat API setup may slow down MVP development. Mock push can test the main flow first.

这份文件解决的是：

AI 做了哪些假设？以后怎么追溯？

---

八、第五份文件：blockers.md

不是所有问题都要停下来问你。

有些问题可以先记录，然后绕过去。

示例：

# Blockers

## B001: WeChat official account API is not configured

Impact:
Cannot test real message push.

Temporary solution:
Use mock push service locally.

Need user input:
Real WeChat AppID and AppSecret are required later.

这份文件解决的是：

哪些问题真的卡住了？哪些只是暂时绕开？

---

九、第六份文件：progress.md

AI 每完成一个任务，就更新进度。

示例：

# Progress

## 2026-05-02

Completed:
- Created backend project
- Added user table
- Added health check API
- Added basic README

Next:
- Build level test page

这份文件解决的是：

项目现在做到哪里了？

---

十、第七份文件：next.md

这个文件非常适合解决“中断恢复”。

每次 AI 停止前，让它写清楚下一步。

示例：

# Next Action

Continue from Task 4.

Current priority:
Build learning preference collection page.

Important context:
- Use existing user profile table
- Do not change database structure unless necessary
- Keep UI simple

Do not ask user unless there is a blocking issue.

这份文件解决的是：

下一轮 AI 应该从哪里继续？

---

十一、真正好用的 AI 工作方式

不要这样对 AI 说：

帮我做一个后台管理系统。

这太模糊。

你应该这样说：

请阅读以下文件：

1. docs/goal.md
2. docs/ai-rules.md
3. docs/task-breakdown.md
4. docs/progress.md
5. docs/blockers.md

然后继续完成 task-breakdown.md 中下一个未完成任务。

要求：
- 不要重构无关代码
- 不要问我普通实现细节
- 完成后更新 progress.md
- 重要假设写入 decisions.md
- 遇到阻塞写入 blockers.md
- 如果某个任务被阻塞，继续做其他不依赖它的任务

这才是可持续协作。

---

十二、给 AI 设置“自主等级”

你还可以给 AI 设置不同的自主等级。

Level 1：每步确认

适合刚开始探索需求。

每完成一个小步骤，都先告诉我再继续。

优点是安全。

缺点是很慢。

---

Level 2：每个模块确认

适合普通功能开发。

完成一个模块后再汇报。
模块内部的小决策你自己决定。

例如：

• 用户模块

• 课程模块

• 学习计划模块

• 推送模块

---

Level 3：只在阻塞时确认

这是最推荐的模式。

你可以连续执行 task-breakdown.md 里的任务。
只有遇到阻塞问题、破坏性修改、安全问题时才问我。
其他问题自己做决定，并记录到 decisions.md。

这个模式最适合一个人用 AI 做项目。

---

Level 4：高度自动执行

适合成熟项目。

你可以自己执行任务、测试、修复、提交。
最后只给我总结。

但这个模式必须配合：

• Git 分支

• 自动测试

• CI

• 代码审查

• 清晰回滚机制

否则风险很高。

---

十三、一个可直接复制的总 Prompt

你可以把下面这段放进 Claude Code、Codex 或其他 AI 编程工具里：

你是这个项目的 AI 开发助手。

请先阅读项目中的 docs/goal.md 和 docs/ai-rules.md。

你的任务是自主推进这个项目的 MVP 开发。

执行规则：

1. 不要每一步都问我。
2. 遇到普通技术选择，你自己做决定。
3. 默认选择简单、稳定、可上线的方案。
4. 不要过度设计。
5. 每次开始工作前，先查看 docs/task-breakdown.md。
6. 每完成一个任务，更新 docs/progress.md。
7. 每做一个重要决策，更新 docs/decisions.md。
8. 遇到无法解决的问题，写入 docs/blockers.md。
9. 如果某个任务被阻塞，继续做其他不依赖它的任务。
10. 只有以下情况需要问我：
   - 删除重要代码
   - 修改核心技术栈
   - 涉及真实支付
   - 涉及用户隐私安全
   - 需求严重冲突
   - 所有任务都被阻塞

开发流程：

1. 选择 task-breakdown.md 中下一个未完成任务
2. 理解相关代码
3. 实现功能
4. 写必要测试
5. 运行测试
6. 修复错误
7. 更新文档
8. 继续下一个任务

请从现在开始执行，不要先问我确认。

---

十四、这背后的本质：别让 AI 猜，给它系统

查理·芒格一直强调一个思想：

如果你想减少愚蠢错误，就要依赖系统，而不是依赖临场聪明。

用 AI 编程也是一样。

不要依赖某一次 Prompt 写得多漂亮。

你应该建立一个系统：

目标文档
↓
执行规则
↓
任务拆分
↓
决策记录
↓
阻塞记录
↓
进度记录
↓
测试验证
↓
下一步动作

AI 会中断，这是现实。

但只要系统设计得好，中断并不可怕。

可怕的是：

AI 一中断，整个项目上下文就丢了。

---

十五、最后的结论

想让 AI 持续完成软件开发任务，不要追求：

AI 连续几天不间断工作。

而应该追求：

AI 每次中断后，都能恢复上下文，继续推进。

真正重要的不是“让 AI 不停”，而是“让项目不断”。

一句话总结：

AI 不是一个永不断电的程序员，而是一个可以反复接力的开发团队。

你要做的，不是逼它一直跑。

你要做的是，把接力棒设计好。

这个接力棒就是：

goal.md
ai-rules.md
task-breakdown.md
progress.md
decisions.md
blockers.md
next.md
tests
README

当这些东西建立起来之后，AI 编程才会从“一问一答写代码”，升级成“围绕目标持续推进项目”。

这才是 AI 软件开发真正应该进化的方向。