一、AI 编程为什么常常“不听话”？
在 AI 辅助编程场景下，用户往往不会一次性把所有需求“说清楚” ——
而是通过多次对话、迭代澄清需求。
这种“多轮对话”风格在人机交互、Agent 驱动、AI 辅助编码等场景都非常常见。
但从最新研究来看，LLM 在多轮、部分指定（underspecified）对话中，成功率会大幅下降。
这对 AI 编程工具（尤其是“对话式 / 交互式”的开发支持系统）是一个严重挑战。
二、研究结论：一次性给足信息，成功率提升 35%+
在 2025 年 5 月的论文
《LLMs Get Lost in Multi-Turn Conversation》（arXiv:2505.06120）中，
研究者系统性地比较了两种编程方式：
他们在 15 个主流模型上，进行了超过 200,000 次模拟对话，
对比 single-turn 与 multi-turn 两种提示模式在六类生成任务上的表现（包括代码生成、数据库查询、摘要等）。
结果表明：
多轮上下文下，模型性能平均下降 约 39%（相比于单轮完整输入的形式）。
具体拆解如下：
- Aptitude（能力 / 潜力）下降：即使在最优状态下，也比单轮略差（平均下降约 16%）
- Reliability（可靠性 / 稳定性）恶化：在多轮设置下，错误率上升约 112%
| 模式 | 描述 | 平均任务成功率 |
|---|---|---|
| One-Shot Prompting | 一次性提供完整需求与约束 | 78% |
| Multi-Turn Refinement | 通过多轮补充和澄清需求 | 54% |
结论非常明确：
当 LLM 在第一次就能拿到完整上下文（包括功能、约束、接口信息等），
代码正确率与结构完整性显著提升，平均减少 30%-40% 的沟通迭代。
换句话说，
大模型最怕“边说边改”，最爱“一次说清楚”。
三、对 AI 编程 / AI IDE 的启示
在 AI 辅助编程的实际场景中，这个问题尤为致命：
- 开发者常常“逐步澄清需求”：先说大目标，再让 AI 改进、补充。
- 如果模型在前几步理解偏了方向，后续修正常常徒劳。
- 但若一次性写下所有需求，prompt 又太长、太贵、组织困难。
- 因此，AI 编程工具需要在「多轮灵活性」与「上下文完整性」之间找到平衡。
正是在这个技术挑战之下，Crevo 的方案 显得格外有意义。
四、Crevo 的方案：一次给足 + 按需检索 + 迭代驱动
1. 核心思路：分层文档 + 迭代触发 + 语境检索
Crevo 将整个软件开发流程结构化为可索引的知识体系：
| 维度 | 内容 |
|---|---|
| 用户故事 | 用户目标与场景 |
| PRD | 功能描述、业务逻辑 |
| 系统架构 | 模块关系、服务依赖 |
| 数据库设计 | 表结构、字段、约束 |
| API 定义 | 输入输出规范 |
| UX/UI | 界面原型与交互流程 |
| 迭代开发计划 | 功能拆解与优先级 |
这些文档构成了一个“知识基座”。
当开发者进入具体任务（例如 “实现用户登录”）时，
Crevo 的 AI IDE 会自动 检索 与该任务相关的文档片段 ——
包括需求、接口、数据库字段、UI、约束等 ——
并将它们一次性拼装成完整上下文 prompt 给 LLM。
即使用户在多轮对话中逐步操作，模型始终在“准单轮”上下文下思考。
2. 为什么这种方式有效
根据论文结论，Crevo 的方案自然解决了以下问题：
- ✅ 符合“CONCAT策略”：自动将分散信息合并为单一 prompt，防止模型迷失。
- ✅ 完整且精准的上下文：只取当前任务相关内容，同时保证信息足量。
- ✅ 避免早期错误积累：模型在生成前就获取全部所需知识。
- ✅ 可恢复性强：即便重新触发 prompt，系统能重构完整上下文。
- ✅ 开发者无需重复说明背景，沟通与上下文损失几乎为零。
3. 实际应用示例
示例场景：
开发者输入：“我要一个用户登录接口。”
Crevo 自动检索相关信息：
- 用户故事与登录流程
user表结构- API 规格（POST /login 请求与响应）
- UI 原型与交互逻辑
- 当前迭代说明
随后，Crevo 将所有上下文整合为 prompt，生成：
- 登录模块代码
- 单元测试
- 接口文档
- 错误处理逻辑
用户追加：“加验证码”和“记住我”功能 →
系统自动重新检索更新上下文，再次生成完整实现。
五、背后的理念：从 Prompt 到 Context Graph
Crevo 的核心理念不是“写更好的提示词”，
而是——构建更好的上下文。
通过将所有开发信息结构化、图谱化（Context Graph），
Crevo 让 AI 拥有项目级记忆与全局推理能力，
真正实现“理解整个软件”的自然语言编程。
🌐 AI 编程的未来，不是更复杂的 Prompt，而是更智能的 Context。
文章来源
知乎：zhuanlan.zhihu.com/p/196180301…
