别在对话框里微操AI：用架构和环境约束终结重复纠错

天天在对话框里手把手给AI纠错，换个新窗口它照样犯错。

很多人用 Agent 都有这个体会。 代码写歪了，你在对话框里吼一句：别用这个旧库，换新的。 测试跑挂了，你再敲一行：记得加上环境变量。 AI 态度特别好，马上回复：好的，我知道了，这就改。

当下确实改过来了，逻辑也通了。 但只要关掉这个会话，或者明天新开一个任务，它立刻失忆，把昨天踩过的坑原样再踩一遍。

折腾到最后，本来是想让 AI 帮自己省点时间。 结果变成你天天守在屏幕前，给它当全职保姆。

为什么会变成这样？ 你在对话框里纠正它，信息只停留在单次会话的上下文里。 这个上下文就像一张便利贴，会话一关，直接撕掉扔进垃圾桶。 它下次醒过来，脑子里依然只有最开始的那套配置。

你在会话里唠叨一百遍，对它的长期记忆毫无作用。 真正决定它怎么干活的，是它周围的环境。 比如根目录的规则文件写了什么，工具参数怎么给的，系统提示词留了多少约束。 这些东西才是它的运行骨架。

开源工具 pstack 在 0.15.9 版本里加了一个很有意思的新指令，叫 /correct。 它的想法很直接。 如果你在干活时，老是因为同一个毛病在对话框里纠正 AI，它不光让模型道歉改代码。 它会在后台把你的纠错记录抓出来，自动找规律。 一旦发现同一个问题你重复说了好几次，它直接把修复动作落到架构层面。

比如你反复叮嘱：运行测试前先检查依赖。 它不把这句话留在聊天记录里，掉头就去改项目的规则文件，或者重写相关工具的约束条件。 口头的临时纠偏，直接变成了环境里的硬性规则。 以后不管你新开多少个窗口，模型一启动，读到的初始环境里就已经焊死了这条规矩。

这就跟在工厂车间干活一样。 产线上如果老有工人装反零件，天天靠工长在旁边盯着提醒，没有任何意义。 最省力的办法，是在流水线上做个防呆卡槽，反了根本插不进去。

用 Agent 也是这个道理。 同一个错误如果出现两三次，就别在对话框里继续打字了。 把手挪到规则文件和工具链上，修一次环境，以后就不用天天给它当监工了。