💡 **AI任务前置复述，提升理解准确度**：在与AI进行编程协作时，要求AI在执行任务前先复述其对指令的理解，可以显著提高AI对任务的准确把握，避免后期发现方向性错误，从而节省时间和精力。

🧠 **复述机制源于费曼学习法**：AI的复述行为本质上是一种检验理解的方式，与费曼学习法中“用简单语言解释概念”的核心思想一致。通过AI的复述，可以直观地评估其对任务的掌握程度，确保AI准确理解指令。

🔄 **构建人机沟通闭环，对抗信息衰减**：要求AI复述能够将单向的指令发布转变为双向的确认过程，形成一个有效的沟通闭环。这有助于对抗AI在处理复杂信息时可能出现的信息衰减和“幻觉”现象，确保任务执行的可靠性。

📝 **针对不同任务设计复述策略**：文章提供了根据任务复杂度调整AI复述要求的建议。简单任务可采用通用复述指令，而复杂任务则建议约束AI的返回格式，如要求其按任务目标、内容、执行计划等维度进行复述，以便更精确地确认AI的理解是否到位。

在使用 AI 编程的过程中，我发现了一个简单却极为有效的技巧：在交代 AI 任务后，可以让 AI 先向你复述它接下来的工作，然后再开始正式生成。

虽然多了一步，但会显著提升 AI 对任务的理解准确度，减少大篇幅生成后，才发现答案跑偏了的情况。

为什么有效

我感觉这和费曼学习法的核心思想其实是相通的——通过复述来检验理解。

费曼认为：如果你不能通过简单清晰的语言把一个概念讲清楚，那就说明你还没有掌握它。

同理，让 AI 复述任务，就是一种非常直接的检验动作，可以让我们快速了解它对任务的理解程度。

这种“复述”的机制，本质上是在构建人与 AI 之间的闭环，它把单向发布指令，变成了双向确认，尤其在复杂任务中，能够有效对抗信息衰减和幻觉的存在。就像敏捷项目管理中，项目 leader 让组员复述任务一样。

如何做

简单任务

这类任务其实怎么说都可以，只要让 AI 给出理解，方便我们确认即可。

比如，在指令最后增加以下内容。

<原有指令>暂不改动代码，先复述你对这个任务的理解。

复杂任务

复杂任务不要像上面那样随意返回，建议根据个人习惯，约束返回格式，方便快速掌握 AI 理解是否到位。

比如，在指令最后增加以下内容。

<原有指令>暂不改动代码，仔细分析任务，按照任务目标、任务内容、执行计划返回你对任务的理解。

结语

AI 编程已经成为一种工作常态，提升 AI 编程效果也许不仅仅局限于“提示词工程”、“模型能力”等专有知识，一些非编程领域的通用方法也可以带来很好的效果，希望大家多多尝试。

下次让 AI 改代码前，试试加一句“复述确认”？