别再给AI"转述"需求了
一件小事
前几天我盯着Jira上一个需求看了五分钟，然后切到Claude Code的终端窗口，开始用自己的话把需求描述一遍。打了几行字，突然觉得哪里不对——我这不就是个人肉复制粘贴机吗？
Jira上写得清清楚楚，我为什么要再"翻译"一遍给AI听？
后来我接了Jira MCP，事情就变了。
变化
MCP是Model Context Protocol，一个让AI直接连接外部工具的协议。接了之后，我对Claude Code说：
"看一下 PROJ-1024，说说你的理解。"
它自己去Jira把需求拉下来，读完告诉我它打算怎么做。我说哪里要改，它改完直接写代码。
就这样。没有"转述"这个步骤了。
这个变化看着小，但用了几天之后我发现差别挺大的。以前我转述需求的时候，经常会漏掉一些东西——评论区里产品和测试讨论的边界case，关联的其他Issue，这些东西我嫌麻烦就不贴了，结果AI给的方案经常考虑不周，来回改好几轮。现在它自己读原文，这类问题少了很多。
一个被忽略的问题
用AI写代码这事，大家都在做了。但我观察到一个普遍的现象：很多人（包括之前的我）花在"给AI喂上下文"上的时间，比想象中多得多。
复制日志贴过去让它分析，手打一段话描述表结构，截个图告诉它页面长什么样。这些事情每件都不大，但加起来相当耗时间，而且你转述的过程本身就在丢失信息。
这个问题的解法不是"更会写prompt"，而是压根不应该由人来搬运这些信息。数据源在那里，让AI自己去读就完了。
接入，而不只是使用
Jira MCP只是一个例子。同样的思路可以推广：
数据库——让AI直接查，不用你贴查询结果。GitHub——让AI直接看PR和变更历史。监控系统——让AI直接读告警日志，不用你截图描述现象。
每打通一个连接，你就少干一份"搬运工"的活。
我越来越觉得，当前阶段AI生产力的瓶颈其实不在模型本身。GPT-4也好Claude也好，能力都够用了。真正卡脖子的是——你给它的信息全不全、准不准。而这个问题，靠"写更好的prompt"是解决不了的，得靠把数据管道接上去。
关于安全
肯定有人会想：让AI直接访问Jira、数据库这些系统，靠谱吗？
这个顾虑合理。我的做法是先给只读权限，在开发环境试跑，没问题了再逐步放开。不需要一步到位，但也别因为这个顾虑就完全不碰。
说回工作习惯
我现在养成了一个新习惯：每次发现自己在给AI"解释"某个东西的时候，就会停下来想一下，这个信息源能不能直接接过去。
能接就接。把自己从"信息搬运"里解放出来，把时间花在审阅方案和做决策上。
说白了就一句话：别当AI的传话筒，让它自己去看。
欢迎关注我的微信公众号：程序员豆芽的AI探索
