写代码越来越快，项目却越来越乱：我终于找到了解药

你有没有过这样的经历：让AI帮你写代码，一开始感觉特别爽，代码哗哗地出来。但做着做着，发现项目开始变味了——规范对不上了，风格不一致了，甚至前后代码开始打架了。

我有过。而且持续了很长时间。

作为一个天天和代码打交道的人，我曾经特别困惑：AI明明很强，为什么一到真实项目就“掉链子”？是我的用法有问题，还是这东西本来就不适合工程场景？

那些让人崩溃的瞬间

说起来都是泪。

我的项目是TypeScript+函数式优先，接口DTO早就定好了，目录结构也经过好几轮迭代。可每次让AI帮忙写新功能，它就像第一次来我项目的陌生人，完全无视已有的规范。

函数式？不存在的。稳定接口？自己造。更要命的是，对话一长，AI开始忘记前面确认过的方案。你跟它说“这里用泛型”，过几轮它又给你写成了any。

我试过各种办法：更详细的Prompt、反复强调规则、甚至把规范贴满对话。但没用。AI就像金鱼，真的记不住。

一个意外的发现

转机出现在一次偶然的尝试。

我没有继续在Prompt上下功夫，而是试着做了一个很小的改变：在项目根目录创建了一个GEMINI.md文件，把项目的技术栈、规范、约定、验收条件全部写进去。

然后我发现，AI进入项目后，自动加载了这些规则。

我不再需要反复说“记住这个”“注意那个”。项目本身的规则成了AI的默认设置。

那一刻我才明白，问题从来不在于AI不够聪明，而在于我们把上下文放错了地方——它不应该在对话里，而应该在项目里。

对话变长也不怕了

你可能会问：临时性的信息怎么办？比如数据库端口换了，鉴权方式临时调整了，这些不可能写进项目规范里。

我的做法是，用memory命令显式存储这些临时信息。

每次遇到关键变量，直接执行memoryadd。查看的时候，就像看一个项目状态板，清清楚楚。

还有一个让对话保持清醒的技巧：compress命令。当对话变长、开始发散的时候，让AI把历史压缩成一个摘要，保留决策，丢掉噪音。对话重新变得可以推进。

让AI真正“进入”项目

上面说的都是规则层面，但真实开发还需要更多。

我学会了三件事。

第一，不再给AI复制代码片段，而是直接引用真实文件。AI看到的是完整的项目结构，理解自然更准确。

第二，允许AI执行命令。不是“我觉得这段代码对”，而是“跑一下看看能不能过”。真实验证比主观判断可靠得多。

第三，接入MCP工具链，让AI直接读取ChromeDevTools的一手数据。性能问题、网络请求、控制台日志，AI可以基于真实信息判断，不再需要我转述。

用过对比才明白的事

我必须承认，2025年我用过的AI工具不止一个。

Codex5.2确实很强，代码质量和逻辑严谨性都很出色，在某些复杂算法场景甚至比Gemini表现更好。

但我在真实项目中感受到了一个关键差异：Codex的记忆能力很弱。会话之间难以继承项目认知，每次都要重新建立上下文。

这让我重新思考了一个问题：AI写代码的能力固然重要，但能否记住项目、能否持续协作，才是决定它能不能真正提升效率的关键。

我的2025年总结

这一年最大的收获，不是学会了什么高级Prompt技巧，而是思维方式发生了根本转变。

我开始花更多时间明确规则、设计验收标准、把“正确性”变成可执行的约束。

AI依然写得很快，但现在它不会失控了。

借用一个流行的说法：这大概就是真正的VibeCoding——不是放飞自我，而是在建立信任的前提下让AI真正成为帮手。

如果你也在为AI“不听话”而烦恼，不妨试试把上下文交给项目本身。也许，这就是你需要的解药。