Appearance
AI 工具通用使用技巧
本文综合 Reddit、StackOverflow、开发者博客的实战经验，覆盖 Codex、Claude Code、Cursor、GPT 等 AI 编程工具。适用于任何编程语言。
1. 核心原则
① 人类负责战略，AI 负责战术。 你定架构和验收标准，AI 实现细节。
② 先计划，再编码。 /plan → 审查方案 → /execute。跳过计划直接写代码 = 50% 概率返工。
③ 把 AI 当聪明但需要明确指令的实习生。 他能一秒生成 10 种方案，但不能判断哪种对。
④ 短对话，单任务。 一个 Chat 只做一件事，做完开新 Chat。超过 20 轮对话 AI 开始失忆。
⑤ Git commit 是生命线。 AI 一定会搞坏东西——不是会不会的问题，是什么时候的问题。
2. Codex CLI 技巧速查
| # | 技巧 | 用法 |
|---|---|---|
| 1 | Plan-Execute 三部曲 | /plan 定方案 → Execute 实现 → /review 审查 Diff |
| 2 | /goal 目标模式 | 功能反复改不好时，/goal 串口丢包率降到0.1%，AI 自我迭代优化 |
| 3 | /fork 并行探索 | 不确定方案时 fork 分支同时试两种，比较后选优 |
| 4 | /compact 压缩上下文 | /status 显示用量 >70% 时执行，避免上下文溢出 |
| 5 | Alt+, / Alt+. 调推理强度 | 不换模型在 Low/Med/High 间切换，架构用 High，格式化用 Low |
| 6 | 批量修改策略 | 小需求攒起来，整理成修改清单，Plan 模式一次性改完。比零散改 token 命中率高 3-5 倍，费用更低 |
| 7 | git worktree + 多实例 | git worktree add ../proj-bugfix fix/bug，同时改功能和修 bug |
| 8 | codex cloud 分流 | CLI 主战场 + Cloud 分战场，小 fix 扔给 Cloud |
| 9 | PLANS.md 长任务 | 7 小时+任务用 PLANS.md 持久化计划，中断可恢复 |
| 10 | 沙箱注意 | Windows 下沙箱可能不稳定，需要时设 sandbox_mode = "danger-full-access" |
什么时候用 Plan 模式？
| 场景 | 模式 |
|---|---|
| 单文件小改 | 直接 Execute |
| 3+ 文件变更 | Plan（medium 推理） |
| 架构级重构 | Plan（high 推理） |
| 跨会话长任务 | PLANS.md + xhigh |
| 活跃调试循环 | Pair 模式 |
3. Claude Code 技巧速查
Claude Code 定位为"本地高级工程师"——慢、贵、详尽，但生产代码质量高。
| # | 技巧 |
|---|---|
| 1 | 200K 上下文窗口，适合深度推理和复杂重构 |
| 2 | CLAUDE.md = AGENTS.md，放在项目根目录，代码无法推断的信息写进去 |
| 3 | 先写 Non-goal（锁定不做什么），再定 Done when |
| 4 | 权限确认过多 → 在配置中适当放宽权限范围 |
| 5 | 推荐组合：Claude 做架构规划 → Codex 执行 → Claude 最终审查 |
4. Cursor 技巧速查
| # | 技巧 | 用法 |
|---|---|---|
| 1 | R-CAR 框架 | Role + Context + Action + Result，大幅降低跑偏率 |
| 2 | Notepads 持久化上下文 | 创建 @spec Notepad 保存决策/约束，跨 Chat 复用 |
| 3 | Screenshot Debugging | 直接粘贴 UI 截图，视觉模型能看懂布局问题 |
| 4 | @Files 精准控制 | 只挂 2-3 个直接相关文件，不用 @Codebase 全量 |
| 5 | Checkpoint 回滚 | Agent 改坏代码一键恢复，放心尝试不同方案 |
| 6 | 模型分工 | Gemini→算法，Claude→架构/UI，DeepSeek→讨论 |
| 7 | 终端 "Debug with AI" | 命令失败后点按钮自动捕获完整上下文 |
| 8 | .cursor/rules/*.mdc 分散规则 | 按文件类型拆分规则文件，Glob 自动匹配 |
| 9 | Agent 前必 git commit | Agent 模式会删文件再重建，Git 历史丢失风险 |
| 10 | 设 API 硬上限 | Agent 模式通宵跑修测试醒来 $150 账单，在 Dashboard 设限额 |
5. 多文件修改最佳实践
黄金规则：一次只改 2-4 个文件。
| 引用文件数 | AI 表现 |
|---|---|
| 1-3 个 | 能逐行精细推理 |
| 4-8 个 | 理解整体结构但可能遗漏细节 |
| 8+ 个 | 开始跳跃推理，可能产生幻觉 |
分层执行示例：
步骤1: "列出需要更新的所有文件"（AI 出清单，你确认）
步骤2: "先更新数据模型" → 审查 → commit
步骤3: "再更新 API 接口层" → 审查 → commit
步骤4: "最后更新 UI 组件" → 审查 → commit⚠️ 不要让 AI 一次性改 10 个文件——分散修改、逐层 commit 才是正道。
6. Prompt 工程（三级体系）
L1 基础技巧
- 明确角色："你是一名资深 C# WPF 开发专家"
- 结构化输出："先出方案摘要，再给代码，最后列 3 条注意事项"
- 提供上下文：贴相关代码片段、错误日志、截图
- 四要素模板：
Goal（目标）：我要实现什么 Context（上下文）：@ 引用相关文件 Constraints（约束）：技术栈、规范、不要做什么 Done when（完成标准）：如何判断完成
L2 中级技巧
- Few-Shot Learning：给一个符合预期的代码示例，让 AI 模仿
- 负向约束："不要用第三方库"、"单函数不超过 100 行"
- 分步思考："在写代码前先解释实现思路"
L3 高级技巧
- Meta-Prompting：让 AI 帮你优化 prompt——"请优化下面这段话，让它更清晰"
- 错误预演："完成代码后，预演 3 个最可能出错的场景"
- 苏格拉底式提问：思路卡壳时反过来问 AI——"你会怎么处理这个问题？"
7. Token 优化与成本控制
真相：你的问题只占 Token 消耗的 1%
| 组成部分 | Token 量级 |
|---|---|
| System Prompt | 5K |
| 项目说明 + Skill | 30K |
| 历史会话 | 100K |
| 代码文件 | 50K |
| 你的提问 | 0.1K |
8 条省钱策略
| # | 策略 | 效果 |
|---|---|---|
| 1 | 上下文裁剪 | 只贴目标文件和错误日志，不 @ 整个仓库。实测节省 45%-95% |
| 2 | Prompt Caching | 静态内容（Skill 定义、系统提示）放前面，按标准费率 10% 计费 |
| 3 | 精简 AGENTS.md | 只写代码无法推断的信息。实测从 3847 tokens 降到 312 tokens |
| 4 | 模型分级路由 | 80% 任务用中等模型，改 typo 用最便宜模型，只有架构级用旗舰模型 |
| 5 | 新会话 > 超长会话 | 15-20 轮后开新 Chat + 10 行摘要交接 |
| 6 | 先对齐再生成 | 先让 AI 给 5 点方案摘要，确认后再生成长代码 |
| 7 | 任务切片 | 一次只做一个最小闭环，做完即结束 |
| 8 | 设预算上限 | Token 预算到达 80% 警告、100% 停止 |
8. 工具选型对比
| 维度 | Codex (OpenAI) | Claude Code (Anthropic) | Cursor |
|---|---|---|---|
| 定位 | 云 Agent，批量并行 | 本地结对，深度推理 | IDE 集成，日常编码 |
| 核心优势 | 10+ 任务并行、批量重构 | 200K 上下文、详尽方案 | 可视化、学习曲线平 |
| 月成本 | $200-300 | $100-150 | $20-40 |
| 最佳场景 | 大重构、批量迁移 | 复杂逻辑、架构设计 | 日常编码、UI 开发 |
| 类比 | 实习生——快、便宜、需监督 | 高级工程师——慢、贵、详尽 | 全能搭档——性价比最高 |
推荐组合：Cursor 日常 → Codex 批量 → Claude 架构 + 最终审查。
9. 结对编程黄金法则
法则 1：先写计划，再写代码。 让 AI 输出 .md 计划并自我 critique。这一步消除 80% 的跑偏。
法则 2：掌握 Edit-Test 循环。 让 AI 先写失败的测试 → 你审核测试 → AI 迭代让测试通过。
法则 3：把 AI 当实习生而非搭档。 你定架构和验收标准，AI 实现。核心价值在于设定清晰目标和边界。
法则 4：用 AGENTS.md 建立协作共识。 AGENTS.md 写长期规则，prompt 写一次性指令。混用是常见错误。
10. 常见陷阱与解法
| 陷阱 | 表现 | 解法 |
|---|---|---|
| "Delete Bug" | Cursor Agent 删文件再重建，Git 历史丢失 | Agent 前必 git commit，开启删除确认 |
| 占位符陷阱 | AI 输出 // ... existing code ... 导致代码断裂 | 在规则中明确：输出完整文件，不使用占位符 |
| 上下文污染 | 20+ 轮后 AI 自相矛盾 | 总结后开新 Chat |
| 账单雪崩 | Agent 通宵跑修测试，$150 账单 | Dashboard 设硬上限 |
| "Lost in the Middle" | @Codebase 全量加载反而丢关键信息 | 只挂 2-3 个直接相关文件 |
| 盲目信任依赖 | AI 推荐不兼容的框架/库 | 让 AI 先出技术选型报告，你决策 |
| 模型中途切换 | GPT 切 Claude 破坏上下文一致性 | 一个任务用一个模型到底 |
| 不审查就 Accept | AI 改的代码看着对其实有歧义 | 始终 Ctrl+Shift+D 开 Diff 逐行审查 |
📚 数据参考：GitHub 2024 研究发现 AI 结对编程任务完成速度 +55%；2025 企业元分析 AI 辅助代码错误 -13.6%，每开发者每周节省 3.6 小时。但 METR 2025 随机对照试验也发现：经验丰富的开发者在自己的仓库上使用 AI 后慢了 19%——原因是上下文切换开销。结论：AI 在有标准模式的任务上加速，在开发者领域知识远超模型的领域减速。