在AI coding的整體 token 輸入和輸出裡，有一個普遍性的規律，就是代碼的部分佔比越低，那麼代碼的質量也就越好。 量變可以引起質變，但這個量要堆得多，而且不是堆代碼的量。 但現在很多模型的問題是，可能是在訓練階段代碼的比重過多，他們經常輸出著輸出著就一個勁的只往代碼的方向去幹。 如果不是我們通過提示詞構造的agent或者其他一些外部環境打斷他 ，他會越寫越來勁。 不是說代碼寫得多，他就一定錯。 而是比例要降低，需要有大量的其他文本性的描述來反覆的理清所有細節，一次又一次的推敲，一次又一次的在不同的方案中確定，反反覆覆地遊走於整體和微觀，從不同的視角來審視問題。 一定要想辦法用提問，或者寫文檔，或者讀文件，或者讓他再看一看，或者上網找參考，這些都是成熟有效的方法，總之，拿別的東西來降低代碼的比重。 這不是一個嚴格的因果關係，但在大多數流程中是高度相關的。 代碼之外的東西給得越多，代碼的比例就越低，也就往往寫得越好。 就這麼簡單。