最近用 AI 写代码，你是不是也常遇到这种情况：它越写越嗨，你却越来越懵？
以前大模型上下文短，大家很自然地把任务切碎，一问一答，做完拉倒。现在不一样了，模型越来越强，丢个几百行的需求文档进去，Agent 真的能咬住目标连跑几十轮。
但这带来了一个很诡异的副作用：任务越完整，人越容易失去进度感。
一个简单的功能，它能查出依赖没配好，接着发现环境脚本老旧，顺手再把你几个边缘的测试用例重构了。最后你看着满屏滚动的终端日志，脑子里只有一个问题：“哥，你到底干到哪了？主线搞定没？”
这就是 AI 的“继续大法”——不怕它不会做，就怕它太能“继续”。
为什么不能让 AI “全自动跑完”？
很多人觉得，既然 AI 这么牛，让它全自动跑到底不就行了？
真相是：现阶段盲目追求全自动，往往是灾难。
AI 就像一台没有刹车的跑车，遇到岔路口它不懂停，只会沿着当前看起来最顺手的路一路狂飙。当你发现它在改一段根本不影响主线的代码时，它可能已经偏航半个小时了。
所以，我越来越觉得，AI 跑着跑着停下来让你确认，这不是效率低下，而是必要的纠偏机会。
每一次停顿，都是让你踩刹车的点。问题是，AI 停下来的时候，往往给不出一份清晰的“路况报告”。你看着几千行 diff，根本不知道该敲回车让它继续，还是赶紧打断。
破局点：把“进度感”变成仪表盘
被折磨了几个月后，我找到一个简单粗暴的解法：给 AI 加一条进度汇报规则。
我现在要求它，在每次停下来等我确认时，必须直白地告诉我：
-
本轮完成度：80%
-
主线目标是否完成
-
已执行的验证
-
剩下的阻塞项
-
下一刀建议
这几个百分比精准吗？一点也不。但它极其好用。
它就像车上的仪表盘，一眼扫过去，你就知道现在是个什么状态。80% 意味着主线差不多了；剩下的是非致命的环境缺口；下一刀建议如果是边缘优化，那我就可以果断喊停，切入下一个大功能。
这种确定感，极大缓解了看日志时的焦虑。
直接抄作业：把规则写进系统
这套玩法不需要你掌握多么高深的提示词技巧，也不需要去写复杂的外部插件（Skill）。你只需要把它写进项目根目录的全局规则（比如 AGENTS.md 或 CLAUDE.md）里。
直接抄这段规则：
开发任务结束必须给完成度百分比。
收尾时必须说明：
- 本轮完成度：X%
- 主线目标是否完成
- 已完成的关键改动
- 已执行的验证
- 未完成 / 阻塞项
- 下一刀建议
注意：先回答主线是否完成，再回答周边。不要把可选优化、额外治理混进主线状态里。
记住，别人给的工具包再花哨，也不如长在你痛点上的规则好用。
AI 编程时代，人类的定位不是旁观者，更不是打字员。我们要做的，是拿着这个清晰的进度仪表盘，在该踩油门的时候敲继续，在该踩刹车的时候果断打断。
13 个赞
可以直接使用 kz-project-init 技能初始化项目，自带了进度提醒功能
4 个赞
摸鱼锥形瓶
6
英雄所见略同。可是总有人在社区里反馈说“我就是需要没有刹车的车，不然凭什么叫solo模式”，还跟我对线。这种人不是专业的程序员，终究是不懂得这种行为到底有多危险。
3 个赞
还有个问题，就算停下来，你也不知道ai做了什么，要做什么，依据是什么？因为全是ai做的，然后突然停下来让你选a还是选b
3 个赞
摸鱼锥形瓶
8
还有重要的一点：以前程序员手写代码是边想边写，他们自己知道这些代码都是怎么来的；现在代码都是AI写的，而且一次就生成好几份文件、好几百行代码，这就相当于无时不刻都在接手别人的代码，工作更累了，也更容易出bug
3 个赞
agent
9
如果模型能做到opus4.8那样，过度自信幻觉能达到0、代码缺陷漏报率很低，那是可以直接交给他，不过最终还得考虑功能设计的边际效应
3 个赞
骆谦实
12
感觉K叔的这个让AI干一个节点就汇报一次的方法挺不错的适合重复交互，简单用起来也比Spec方案轻量很多，感觉对中小型项目是立即能见效的开箱即用的方案。
2 个赞
蒸蒸日上
13
期望是好的，但大模型没有元认知，没有真正意义上的记忆
所以，最好的办法是在任务开始前，让AI先规划任务清单，然后基于“黑板”进行推进
3 个赞
对啊，一个新项目从头开始的话，肯定是要对其PRD和TDD的，在拆解生成开发计划
3 个赞