你不是不会用 AI 写代码，你是没有开发流程

写给每一个用 WorkBuddy、豆包工作、Codex 做开发，却总在烧 Token、交 Bug 的人

上周我帮一个朋友看项目。他蹲在电脑前，对着 Codex 打了八个字："帮我做一个网站。" 然后等。十分钟后收到一坨能跑但没法看的页面，他骂了句"什么破模型"，又敲："改成好看的。" 模型给了更花哨但更乱的版本。他再来一轮"加个登录功能"，报错，复制报错贴回去，模型修一处崩三处。

一下午过去，Token 烧了小几百块，产品还是一坨。他不是个例。现在用 WorkBuddy、豆包工作、Codex 做开发的人越来越多，但九成卡在同一个地方：把 AI 当许愿池，却没有一点点开发流程，成功的把token花在了刀背上。

先说结论

AI coding 的瓶颈从来不是模型能力，是工程纪律的缺失。你浪费的每一个 Token，本质都花在"说不清要什么"和"不验收就放行"这两件事上。流程补齐了，同样的模型，产出能差十倍。

一、所有 AI coding 都该跑同一个环

无论你用哪个工具，能稳定交付的开发，都遵循同一个闭环：上下文 → 计划 → 执行 → 验收。缺一环，就是返工；环环相扣，Token 才花在刀刃上。

二、七条不能省的军规

下面这七条，是我从一整套端到端开发课里提炼的"最低限度纪律"。少一条，就要多烧一轮 Token 补窟窿。

1先立工程边界，Git 是安全网不是收尾

开干前先建独立文件夹、git init、第一次提交。Git 不是写完才想起的"存档"，而是每一步都能回滚的安全网。项目一旦重新能跑，就提交一版。

• 正确：每完成一个可运行阶段 → commit 一次 • 错误：一口气写一天，崩溃后从零来过

2给 AI 一份"项目宪法"：AGENTS.md

把产品目标、技术栈、质量标准、不能做什么，写进一个 AGENTS.md 文件。以后只要说"遵循 AGENTS.md"，AI 就持续保持一致性。规则文件化，比每次聊天重复说一遍，至少省十倍 Token。

• 含四类信息：目标 / 边界 / 技术 / 质量 • 关键：API Key 只进环境变量，绝不写进代码

3先做 MVP，别做大而全

先定义一个"能验证"的最小产品：用户进来、填信息、看到结果、留下线索。不要一上来就规划数据库几张表、后台几十个页面。产品结果驱动，而不是技术功能驱动。

4先画边界再写代码

动手前先画页面地图和系统架构：哪些页面、前后端怎么分、数据存哪。AI 能写很多代码，但不会替你决定系统边界——边界必须先由人定。

• 顺序：静态页面 → 接数据库 → 接真实 AI，每步独立可跑

5接口先行，用 Mock 替代真实 AI

第一版先用纯函数和假数据把输入、输出、错误处理、测试跑通，再换真实模型。这样不会被外部 API 卡住，也更好测。外部服务挂了，用户不能只看到白屏。

6测试 + 浏览器验收，缺一不可

代码通过不等于产品可用。lint / test / build 只能验证一部分，必须打开浏览器真实走一遍主流程：正常输入对不对、非法输入报不报错、手机端完不完整。

7上线不是终点，真实反馈是第二个开发环境

部署后看埋点：用户在哪一步流失，就在那一步让 AI 改。别凭感觉决定第二版做啥——反馈数据才是优先级的最高裁判。

三、你浪费的 Token，到底去哪了

我按真实协作里的消耗结构，粗糙地拆了一下（比例仅供感知，不是精确统计）：

看明白没？七成浪费来自"说不清"和"不验收"。这两件事，军规二和军规六恰恰能堵住。流程一上来，至少先省掉一半 Token。

四、四句提示词，覆盖大多数场景

提示词的核心不是"说得像专家"，而是把目标、边界、输入、输出、验收标准说完整。这四句能截图保存：

五、我的三个判断

结语

AI coding 不是许愿池，是一套需要纪律的生产线。上下文、计划、执行、验收——这四个词你贴在显示器上，比买任何"神级提示词课"都值钱。

未来的产品竞赛，不会发生在"谁模型更强"，而会发生在"谁更会把想法变成可上线的东西"。流程，就是那个被低估的发动机。

你不是不会用 AI 写代码，你只是还没给它一份像样的图纸。

更详细的可以移动我的视频号，录制了专门的实战视频来详细讲解。