为什么你和 AI 沟通总是没效率？这锅不能全甩给大模型

最近在技术圈闲逛，看到一个特别扎心的讨论：“现在跟 AI 对齐需求每次都要花多久？”

楼主表示，感觉每次起步至少 30 分钟，搞一个小时才算顺溜。更有意思的是，评论区一片附和，连 Anthropic 的官方报告也被搬出来了——现在的开发者竟然有 70% 的时间都花在了“规划”上，而不是真正的写代码。

这不禁让人反思，我们用 AI 到底是为了提效，还是换了个方式“加班”？这就来聊聊这个尴尬的局面，以及怎么破局。

思考碎片化和上下文缺失是导致沟通成本高的主要原因

70% 时间去哪了？

如果你觉得跟 AI 沟通累，其实不是你一个人的问题。现在的 AI 虽然聪明，但它就像一个极其能干但完全不懂“潜台词”的新实习生。

你必须把脑子里的意图，翻译成它听得懂的逻辑语言。这个过程，就是咱们说的“对齐需求”。

规划比执行更重要：将逻辑外化才能让 AI 高效执行

• 思考碎片化：很多时候我们脑子里的需求是散乱的，“帮我做个登录”包含前端样式、后端验证、数据库连接。直接扔给 AI，它大概率会给你一个逻辑不全的半成品。
• 上下文缺失：AI 没法预判你项目的目录结构、代码规范。你不告诉它，它就瞎猜；瞎猜就要改，改就是时间成本。
• 反复拉锯：“不对，我要的是这种风格”、“报错了，你再看看”。一来一回，半小时过去了，代码还没敲几行。

别只把 AI 当搜索引擎

很多人的误区在于，把 AI 当成了高级版的 Stack Overflow。提问太笼统，比如“写个爬虫”。

高手是怎么用的？ 他们是把 AI 当作 Junior Developer（初级开发者） 来管理的。

Anthropic 的那个数据其实揭示了真相：规划比执行更重要。 以前我们写代码，脑子里过一遍逻辑就开始敲了；现在用 AI，你得把脑子里那过一遍的逻辑，极其详细地写下来（或者口述出来）。

这不叫“浪费时间”，这叫“外化思考”。你花了 30 分钟理清逻辑，AI 5 分钟写完代码，总比你写两小时代码然后调试一下午划算。

怎么把那 30 分钟缩短？

既然跟 AI “谈恋爱”这么费劲，有没有法子快进？当然有，这里有几个实战心得：

1. 采用“MVP + 迭代”策略 别一上来就想扔一个完美的“全栈项目”需求。把大任务拆碎。先问：“帮我设计一个用户表结构”，再问：“基于这个结构写个注册接口”。单次交互闭环越短，纠错成本越低。

2. 给它一份“规范文档” 在对话开始前，先投喂你的 Coding Style Guide（代码规范）或者项目目录结构。现在很多 AI 工具支持“知识库”或“项目引用”功能，利用好这个，能帮你省掉 80% 的风格扯皮。

3. 学会“责怪”自己（复盘 Prompt） 当 AI 给的答案不对时，第一反应别骂 AI 笨。回头看看你的指令是不是有歧义？是不是缺了关键条件？优化 Prompt 的过程，其实就是锻炼自己逻辑梳理能力的过程。

4. 尝试结构化指令 与其“说人话”，不如“给结构”。试试这种格式：

• 背景：我现在在写一个 Flask 博客。
• 目标：需要实现 Markdown 渲染。
• 约束：不能使用 npm，只能用 Python 库，返回 HTML 字符串。 结构越清晰，AI 一次命中靶心的概率越高。

结语

虽然现在跟 AI 对齐需求还要花不少时间，但这可能是过渡期的阵痛。随着我们越来越会“提问”，以及模型上下文记忆能力的增强，这 30 分钟的“磨合期”终会缩短。

现在的关键是：别因为嫌麻烦就退回到纯手写，也别因为盲目依赖而丧失思考。 把这 70% 的规划时间利用好，你才是那个真正的效率掌控者。