“Cursor 不好用”、“AI 生成的代码全是错的”、“还不如自己写”——

每次听到这种评价，我都想问一句：你喂给它什么上下文了？

大部分情况不是 AI 不行，是你给的信息不对。就像你跟一个新来的实习生说"帮我写个页面"，不告诉他任何项目信息，他写出来的东西能用才怪。

我踩过的 3 个坑

坑 1：把整个文件夹丢给 AI

我：@src/view/marketing 帮我在这个目录下加一个新页面

结果：AI 读了 30 个文件，上下文被无关信息占满，生成质量反而下降。

坑 2：什么上下文都不给

我：帮我写一个活动配置的三步表单

结果：AI 用了它自己的"默认风格"，跟项目代码风格完全不搭。

坑 3：给太多文字描述

我：请用 TypeScript，用 antd，用 ProForm，用 dayjs，用 Rematch，
用 axios，用箭头函数，用 less modules，文件放在 src/view/marketing/ 下……

200 字的要求，AI 反而抓不住重点。

正确的做法：3 层上下文策略

下面是三层上下文策略的流程图，展示了信息如何分层加载和组合：

┌─────────────────────────────────────────┐
│ 第一层：自动加载（配置文件，每次自动生效）  │
│ ┌─────────────────────────────────────┐ │
│ │ 技术栈 + 目录结构 + 禁止事项         │ │
│ │ ~1500 token，一次配置永久生效        │ │
│ └─────────────────────────────────────┘ │
│                                          │
│ 第二层：手动指定（范例文件，1-2 个）       │
│ ┌─────────────────────────────────────┐ │
│ │ @CouponCreate/index.tsx             │ │
│ │ AI 自动学习：结构/导入/hooks/样式     │ │
│ │ ~3000 token                         │ │
│ └─────────────────────────────────────┘ │
│                                          │
│ 第三层：需求描述（只写业务差异）           │
│ ┌─────────────────────────────────────┐ │
│ │ "三步表单，字段是xxx，接口是xxx"      │ │
│ │ ~500 token                          │ │
│ └─────────────────────────────────────┘ │
└─────────────────────────────────────────┘
总计：~5000 token，信息密度极高

一个反直觉的技巧：写"不要做什么"比"要做什么"有效

AI 见过太多种写法，你说"用 TypeScript"它知道，但它不知道你项目里哪些写法是被禁止的。

## 禁止事项（比正面要求有效 3 倍）
- 不要用 any 类型
- 不要用 moment
- 不要用 class 组件
- 不要在组件内直接写 axios.get
- 不要用 index.tsx 作为业务组件文件名
- 不要在一个文件里导出多个组件

给 AI 边界，它反而能在正确的范围内生成。

效果对比

方式              Token消耗    生成质量    需要手动修改
─────────────    ─────────   ────────   ──────────
丢整个文件夹       50K+        低          60%+
什么都不给         1K          很低        80%+
3 层策略          5-8K        高          10-20%

信息密度比信息量重要。5K token 的精准上下文，比 50K token 的噪音信息效果好 10 倍。

可直接抄走的 Prompt 结构

## 每次生成代码时的标准 Prompt 结构

参考 @[范例文件路径] 的结构和写法，
帮我写一个 [功能描述]。

业务需求：
- [需求点 1]
- [需求点 2]
- [需求点 3]

接口信息：
- 接口地址：[URL]
- 入参类型见 @[类型文件路径]

不需要处理的部分：
- [路由配置我自己加]
- [权限控制不用管]

这个结构配合自动加载的配置文件，每次对话的有效信息密度极高。

一句话总结：不要让 AI 在 50K token 的噪音里找答案，给它 5K token 的精准信息就够了。

💬 你用 AI IDE 时，最常遇到的"生成不对"的情况是什么？评论区说说，我帮你分析是不是上下文的问题。