高级工作流¶
超越单任务单对话，构建更复杂的 AI 协作模式。
并行任务执行¶
当多个任务之间没有依赖关系时，可以并行执行：
graph TD
A[需求分析] --> B[任务拆分]
B --> C[任务 1: 数据库迁移]
B --> D[任务 2: 后端接口]
B --> E[任务 3: 前端组件]
C --> F[集成测试]
D --> F
E --> F实践方式： - 在不同的 AI 对话中并行处理独立任务 - 每个任务完成后，在集成任务中合并结果 - 集成任务的上下文包含所有子任务的输出摘要
多轮迭代模式¶
对于复杂功能，采用"方案确认 → 实现 → 验证 → 精化"的多轮模式：
第一轮：只输出设计方案，不写代码
→ 人工确认方案
第二轮：实现核心逻辑（Happy Path）
→ 运行测试，确认基础功能
第三轮：添加错误处理和边界情况
→ 运行完整测试套件
第四轮：性能优化和代码清理
→ 最终验收
长上下文管理¶
当项目规模增大，单次对话无法容纳所有相关代码时：
策略一：分层上下文¶
策略二：上下文压缩¶
把大文件压缩为接口摘要：
原始文件（500 行）：
class UserService:
def create_user(self, email, password) -> User: ...
def get_user(self, id) -> Optional[User]: ...
def update_user(self, id, data) -> User: ...
# ... 其他方法
压缩摘要（10 行）：
UserService:
- create_user(email, password) -> User
- get_user(id) -> Optional[User]
- update_user(id, data) -> User
- delete_user(id) -> bool
- list_users(page, size) -> Page[User]
策略三：对话分段¶
把长任务分成多个对话段，每段开始时提供前段的关键结论：
对话 1：设计数据模型
→ 结论：确定了 5 个核心表的 Schema
对话 2（携带结论）：实现数据访问层
→ 结论：完成了 Repository 接口定义
对话 3（携带结论）：实现业务逻辑层
→ ...
代码审查工作流¶
把 AI 纳入 Code Review 流程：
AI 审查的提示词：