一步一步引导模型建立更好的 Context

和 Claude 协作久了，我发现一个很有意思的事：第一轮 prompt 写得越完整，效果不一定好。

具体来说，即使我明确告诉它"这是研究任务"、开了 plan mode，它读完一大段上下文之后，他确实会去研究，然后理解，但还是会直接给我一个完整的执行方案。

比如我想让它帮我优化 skill-creator 里的回放和多步骤测试逻辑，我已经改过一版了，只需要微调。但如果我在第一轮就把这些全说清楚，它总是没法完全理解清楚我的需求，在奇怪的地方出错。

后来我换了一种方式：第一轮什么任务都不提，就让它先去读 skill-creator 的代码，建立宏观理解。然后我像个初学者一样问它几个问题，让它带着这些问题再去研究、回答我。等到第三四轮，我们已经有了共同的理解基础，这时候我再说"我要优化的是这些点"，它 100% 理解了我的需求，还能给我很多指导建议。

更有意思的是，这个策略在 context 已经到了 100K 甚至 200K 的时候依然有效。按理说那已经是模型开始变笨的区域了，但逐步建立起来的上下文似乎比一次性灌入的上下文更实。

我越来越觉得，和 AI 协作的正确姿态就是把它当一个人，对它保持一点耐心，逐步引导，效果反而更好。