在使用 AI 编程的过程中，我发现了一个简单却极为有效 的技巧：在交代 AI 任务后，可以让 AI 先向你复述它接下来的工作，然后再开始正式生成。
虽然多了一步，但会显著提升 AI 对任务的理解准确度，减少大篇幅生成后，才发现答案跑偏了的情况。
为什么有效
我感觉这和费曼学习法 的核心思想其实是相通的------通过复述来检验理解。
费曼认为：如果你不能通过简单清晰的语言把一个概念讲清楚，那就说明你还没有掌握它。
同理，让 AI 复述任务，就是一种非常直接的检验动作，可以让我们快速了解它对任务的理解程度。
这种"复述"的机制，本质上是在构建人与 AI 之间的闭环，它把单向发布指令，变成了双向确认，尤其在复杂任务中，能够有效对抗信息衰减和幻觉的存在。就像敏捷项目管理中，项目 leader 让组员复述任务一样。
如何做
简单任务
这类任务其实怎么说都可以，只要让 AI 给出理解，方便我们确认即可。
比如，在指令最后增加以下内容。
xml
<原有指令>
暂不改动代码，先复述你对这个任务的理解。复杂任务
复杂任务不要像上面那样随意返回，建议根据个人习惯，约束返回格式，方便快速掌握 AI 理解是否到位。
比如，在指令最后增加以下内容。
xml
<原有指令>
暂不改动代码，仔细分析任务，按照任务目标、任务内容、执行计划返回你对任务的理解。结语
AI 编程已经成为一种工作常态，提升 AI 编程效果也许不仅仅局限于"提示词工程"、"模型能力"等专有知识，一些非编程领域的通用方法也可以带来很好的效果，希望大家多多尝试。
下次让 AI 改代码前，试试加一句"复述确认"？