一、 认清 AI 的“记忆缺陷”（上下文管理）
不要把 AI 当成一个拥有无限记忆的超级大脑，它更像是一个“短期记忆力很差，且容易被周围声音干扰的实习生”。
不要“填鸭式”投喂信息：很多人喜欢把所有文档、规则全塞给 AI，但实际上，塞得越多，AI 越容易“失焦”。它通常只记得开头和结尾，最容易把中间一大段关键信息忘得一干二净。
隐藏的“记忆刺客”：就算 AI 号称有 200K 的上下文窗口，但如果你挂载了太多的工具（比如连接了 GitHub 等 MCP 服务器），这些工具的说明就会悄悄吃掉大量的记忆空间。
主动清理“垃圾记忆”：当 AI 开始胡言乱语或者偏离方向时，不要一直和它纠错（这会产生更多垃圾记忆）。应该果断使用 /rewind 回退到错误发生前，或者使用 /clear 开启新会话，也可以用 /compact 让它先总结当前进度再继续。
二、给 AI 套上“缰绳”
1. 规范按需注入，拒绝“规则过载”
痛点：把所有代码规范、数据库约定都写在一个巨大的CLAUDE.md 文件里，AI 根本记不住。
解法：把规范拆碎。前端规范、后端规范、数据库规范分开放。当你要写后端接口时，只让 AI 读取后端的规范（按需加载），保证它在当前任务下“头脑清醒”。
2. “谋定而后动”（Plan Mode 探索模式）
解法：在让 AI 直接改代码之前，先让它处于“只读”的探索阶段。让它先扫代码、澄清需求，并输出方案。等你确认方案没问题了，再让它动手执行，这能避免它搞乱你的文件系统。
3. 复杂任务懂得“外包”（Subagents）
痛点：让主对话的 AI 去全库检索代码或者跑测试，这些操作产生的海量输出会瞬间挤爆主对话的有效记忆。
解法：派一个独立的“子代理（Subagent）”去干这些脏活累活。它有自己独立的记忆空间，干完活只给主对话汇报一个“摘要结果”，保持主线清爽。
4. 彻底解决“会话失忆”（工作区与日志）
痛点：今天下班关了对话框，明天开新对话，AI 就完全不记得昨天写到哪了。
解法：在结束一段工作前，强制要求 AI 记录当前进度：“写一份日志，记录今天完成了什么，遇到了什么 Bug，明天接着要做什么”。第二天开启新会话时，第一句话就是：“读取昨天的日志，告诉我接下来该做什么”。
三、 善用工具链：Skills 与 Hooks
Skills（技能）：不要把 Skill 写成模糊的介绍。一个好的 Skill 应该是一个完整的工作流，比如“发布前检查清单”，里面明确列出：必须通过构建、必须无警告、版本号必须更新。
Hooks（钩子）用来做“AI 绝对记不住的死规定”：比如代码格式化（Lint）、阻止它修改核心受保护文件等。这些不需要 AI 去思考，而是要在它执行动作前后强制插入的机器逻辑。