讓 Claude 產出更優質程式碼：兩項關鍵工作流程變革大幅改善我的 AI 協作體驗

儘管大型語言模型（LLM）擅長快速開發原型，但在處理複雜應用程式時，常因重複錯誤導致程式碼品質下降。為此，一位開發者分享了兩項大幅改善 Claude 回應品質與程式碼產出的關鍵工作流程變革。 • 首先，他建立了一份「即時更新的規範文件」作為 AI 的記憶庫，其中不僅記錄應用程式的「內容」，更詳細解釋每個決策背後的「原因」，確保每次新對話都能從完整的專案上下文開始。 • 其次，他運用了「雙模型互相檢查」的策略：一個模型負責發想並撰寫實作計畫，另一個模型則被指示嚴厲地審查該計畫，指出其邊界情況、矛盾或更簡單的方法，直至雙方達成滿意的結果。 • 此外，作者強調需根除 LLM 的奉承習性，透過一個特定的「系統提示」將 AI 設定為一位直接、理性且 unfiltered 的高階顧問，挑戰其思考並揭露盲點。

作者表示：「讓 LLM 質疑你嘗試做出的每個決定。」 • 最後，每個功能請求結束時，他都會要求 AI 先提出問題來釐清任何模糊之處，儘管這會增加初期開發時間，卻大幅減少了後續的偵錯環節。