用 AI 编程不难，难的是让 AI 的每一次对话都不白聊。
前言
从去年开始重度使用 Claude Code、Cursor、Codex CLI 这些 AI 编程工具，到现在少说也积累了几千轮对话。
一开始觉得 AI 编程就是"问一句答一句"，用久了才发现，同样的坑我踩了三遍，同样的方案我问了四次。不是 AI 不行，是我自己的工作流有问题。
这半年我逐步摸索出 5 个习惯，效果很明显——重复提问少了，AI 给的答案质量也高了。分享给大家。
习惯一：每轮对话结束前，让 AI 总结关键结论
大部分人的对话模式是：
你：这个 bug 怎么修？
AI：balabala...
你：好的谢谢。（关掉终端）
三天后遇到类似问题，完全想不起来上次怎么解决的。
改进： 对话结束前加一句：
请用 3-5 句话总结这次对话的关键结论，包括问题根因、解决方案、和需要记住的坑。
这一步花不了 10 秒钟，但效果巨大。你会得到一段精炼的文字，比翻聊天记录高效 100 倍。
进阶做法：让 AI 把结论保存到一个 Markdown 文件里，逐步积累成个人 Wiki。
习惯二：用 MCP 让 AI 记住你的项目上下文
每次开新对话都要重新解释：
- "我们用的是 Fastify 不是 Express"
- "数据库是 SQLite 不是 PostgreSQL"
- "前端是 Tailwind v4 不是 v3"
这些重复的上下文说明浪费了大量 token 和时间。
改进： 用 CLAUDE.md（Claude Code）或项目级 Prompt 文件，把项目的技术栈、架构决策、编码规范写进去。AI 每次启动时自动读取，不用你再说一遍。
更进一步，用 MCP（Model Context Protocol）让 AI 能访问你的知识库。比如：
- Claude Code 的
settings.json里配置 MCP Server - AI 可以主动搜索你之前的经验和决策
- 新对话直接基于已有知识回答，而不是从零开始
这比每次手动贴上下文高效得多。
习惯三：建立个人知识库，语义搜索历史对话
这是改变我工作流最大的一个习惯。
和 AI 的对话本质上是一种非结构化的知识积累——你解决了问题，但知识锁在对话记录里，无法被检索和复用。
我试过几种方案：
| 方案 | 优点 | 缺点 |
|---|---|---|
| 手动记笔记 | 灵活 | 太累，坚持不下来 |
| 搜索对话文件 | 不用额外操作 | 关键词搜索不精准 |
| Obsidian 手动整理 | 结构化 | 还是太累 |
最后我选择了自动化方案——让工具来完成"对话→结构化笔记→语义搜索"这个流程。
我目前在用的是 ChatCrystal，一个本地运行的 AI 对话知识库工具。它能：
- 自动导入 Claude Code、Cursor、Codex CLI、Trae、Copilot 的对话
- 用 LLM 自动生成结构化笔记（标题、摘要、关键结论、代码片段）
- 语义搜索——不用记关键词，按含义查找
核心场景：遇到问题时先搜自己的知识库，再问 AI。 大概率你之前已经解决过类似的问题。
当然，你也可以用其他方案，比如自己搭个 RAG pipeline，或者用 Obsidian + 插件手动管理。关键是有一个系统在帮你积累知识，而不是每次都从零开始。
习惯四：用结构化 Prompt 减少无效对话
很多人的 Prompt 长这样：
帮我看看这个报错
AI 给了一堆猜测，你又要补充上下文，来回 5 轮才解决问题。
改进： 用一个简单的 Prompt 模板：
## 背景
我在做什么：[一句话描述]
## 问题
遇到了什么：[报错信息/异常行为]
## 已尝试
我试过：[已经排查的方向]
## 期望
我希望：[期望的结果]
四段式 Prompt，10 秒钟填完，AI 第一次回复的准确率直接翻倍。
我在 Claude Code 里配了一个自定义 slash command /debug，自动套这个模板。每次排查问题时直接 /debug，省去了组织语言的时间。
习惯五：定期回顾"AI 帮你解决了什么"
这个习惯最容易被忽略。
我每周五花 15 分钟翻一下这周和 AI 的对话记录，问自己三个问题：
- 这周 AI 帮我解决了哪些之前不会的问题？（学习点）
- 哪些问题其实我应该自己会的？（知识盲区）
- 有没有反复出现的问题模式？（需要系统性解决的）
比如我发现连续三周都在问 CSS 相关的问题，说明我的 CSS 基础有短板，应该系统学一下而不是每次问 AI。
再比如某个部署问题反复出现，说明流程有问题，应该写个脚本而不是每次都手动处理。
AI 对话是最好的学习记录——它精确记录了你在哪些地方需要帮助。定期回顾，把这些记录转化成真正的成长。
工具推荐清单
以上 5 个习惯，有些靠自律，有些靠工具。整理一下我目前在用的工具：
| 用途 | 工具 | 说明 |
|---|---|---|
| 项目上下文管理 | CLAUDE.md / Cursor Rules | 让 AI 自动了解项目背景 |
| 对话知识库 | ChatCrystal | 自动导入对话、生成笔记、语义搜索 |
| MCP 集成 | ChatCrystal MCP Server | 让 AI Agent 自动搜索历史知识 |
| Prompt 管理 | 自定义 slash commands | 结构化 Prompt 模板 |
| 笔记积累 | Markdown 文件 / Obsidian | 手动补充 AI 无法自动捕获的知识 |
总结
AI 编程的核心不是"会问问题"，而是让每一次对话都产生可复用的价值。
5 个习惯回顾：
- 对话结尾要总结——10 秒换来三天后能回忆
- 用 MCP 管理上下文——不再每次重复解释
- 建知识库做语义搜索——搜自己的经验，而不是重新问 AI
- 结构化 Prompt——一次问到位，减少无效对话
- 定期回顾——把对话记录转化成真正的成长
不需要全部做到，挑一两个先试试。你会发现 AI 编程的效率会上一个台阶。
有其他好用的工作流或工具，欢迎评论区交流。
