《AI 渐进编程》序言：把烧掉的 token 留下来

LLM 像一座炼钢炉。

每一次提问、修改、重新生成，是往炉中加入燃料。token、算力、时间和注意力在燃烧。

炉火亮起的时候，代码、文字、方案、图表和想法不断产生，原本模糊的问题也开始逐渐成形。

但生成并不等于完成。

和 AI 聊天时，常常感觉问题已经解决了。

过一段时间再回头，答案还停留在聊天记录里，想法散落在脑中，代码存在不同版本之间。

下一次使用 AI 时，它仍然不知道上一次发生了什么，项目又回到了重新理解的起点。

LLM 并不是一个像人一样长期理解项目的开发者。

它主要依赖当前输入的上下文，根据看到的信息生成下一步结果。

人类做项目时，也不会一开始就拥有完整定义。

很多需求、边界和规则，都是在项目推进过程中逐渐形成的：

一次设计变成图纸；
一次实验变成数据；
一次修改变成规范。

这些积累，会不断改变下一步工作的方向。

AI 编程也是一样。

由于 Agent 依赖当前上下文，它不能只依靠最初的任务描述。

随着项目推进，新的发现、新的约束、新的验收标准，都需要不断被写回项目。

项目结构、状态文件、修改日志、测试记录和验收规则，就是帮助 Agent 保存这些变化、形成下一轮上下文的工具。

它们让一次生成的结果，不只是停留在当前对话里，而成为下一轮工作的上下文。

AI 编程不只是让 AI 生成更多内容。

而是让项目中的经验不断沉淀，形成新的约束，引导后续行动。

真正留下来的，不是一次聊天中的答案。

而是那些经过整理和验证，能够进入项目的东西。

它可以是一行代码、一条修改日志、一份说明，也可以是一套文档、测试脚本和验收标准。

只要它能进入项目，能被下一次继续使用，它就不只是热气，而是一小块钢材。

《AI 渐进编程》记录的，就是这些被保存下来的 token，如何逐渐变成项目资产，让 AI 从一次性的生成工具，变成能够参与长期项目的工程伙伴。

《AI渐进编程》之一：别一上来就全自动，AI 编程更稳的做法是分层控制