我的经验是，对话不要太长，如果太长了将重点再重复提一下。 太大范围的文件替换处理，手动搜索，列出文件，可以不用那么细，不要让 ai 去做主动搜索，浪费 token 还可能不准。 规范提供示例，操作的时候有参考文件最好

@lneoi 说的对。全局范围的事情，尽量让 AI 规范文件，去进行规范。AI 擅长的是架构，局部功能的开发。这种全局范围的替换，规范，修改，既浪费 Token ，又没办法做到一步到位。

@kofjerrylee 可以给分享个链接吗？我学习一下。

我也是用这个 我的方法就是不断的去质疑它， 因为我也不知道规范是什么， 我只有不断的去质疑，然后他才能考产出更好的内容。 只要不是我满意的，我觉得不行的， 我就告诉他，让他去网上再去搜索更好的解决方案，去做最佳实践。 因为 AI 凭自己的话，我觉得幻觉太严重了， 只有有更好的解决方案给到他做参考，他才能输出更好的。

我也有类似的问题，OP 总结得很完整而且基本每个我都碰上了，就不展开复述了。 我再补充一点：每次提一个需求，它都一定会修改无关代码。比如随手改两个变量名、函数名从大写改成小写、新建文件然后把一部分函数擅自拆进去（并没有要求它做重构）、导入无用的 package 、前面判断过的地方又要加 if 再判断一遍，等等 Google 在 Code Agent 能力方面还是太差了：不仅 Agent 系统不行，模型本身训练也不行。 --- 我自己使用下来的体验是：OpenAI Codex > Anthropic Claude Code >>> Google Gemini >> 字节跳动 TRAE > 阿里 通义千问 最后两个国产水平差距太远，不提。Codex 和 Claude Code 应该是日用体验比较好的，至少能看明白代码、听明白人话，但 Claude Code 体感上犯蠢次数比 Codex 多一些。

@utodea github/kofttlcc/quant-test ，随便看看就行，玩玩而已

@abysscong github/kofttlcc/quant-test ，随便看看就行，玩玩而已

我用下来感觉 antigravity 的 Agent 水平连 Copilot 都不如。Copilot 很少给我做拆东墙补西墙的操作，擅自修改我原有代码的逻辑，但是 antigravity 乐此不疲，认为他比我懂我自己的项目。

我个人用下来的体验就是，每个新需求都新开一个 agent ，因为没有上下文，它会扫描它认为涉及到的文件。 还有，如果稍微复杂一点的项目，上 openspec ，体验会好很多

别太客气，多骂几句草泥马就好了