面对复杂需求时，一次性输入大段描述往往导致生成代码遗漏边界条件、结构混乱，甚至遗漏关键异常处理。将需求拆成多轮递进式指令，利用 CodeBuddy 的上下文记忆能力（见 3.2.3），能让结果更可控、更可审查。
核心原则：先骨架，后血肉；先主干，后分支。
四步拆解法
- 定目标与约束
首轮对话只交代背景、输入输出和限制条件，不要求直接写完整代码。
示例：
> "我要加一个 Koa2 的用户权限校验中间件。需要校验 JWT，区分 admin 和 user 角色，无效 token 返回 401，无权限返回 403。请先给出实现思路和大致步骤，不要写代码。"
- 确认框架与接口
基于 AI 给出的思路，锁定函数签名、文件位置和核心依赖，避免后续生成偏离预期。
示例：
> "按上面思路，先写中间件的核心骨架：函数名为 authMiddleware，接收 ctx 和 next，引入 jsonwebtoken。先只写基础结构、类型定义和注释占位。"
- 分模块实现细节
每轮聚焦一个子功能，逐步填充。
示例（第二轮）：
> "在骨架基础上，实现 JWT 解析与过期校验逻辑，使用 SECRET_KEY 环境变量，过期或签名错误时返回 401。"
示例（第三轮）：
> "继续补充角色校验：从 token 中读取 role 字段，若当前路由需要 admin 而 role 为 user，返回 403。"
- 整合与边界加固
最后要求 AI 将前面所有代码合并，并补充错误处理、日志或测试。
示例：
> "把前面几步的代码整合成最终版，补充 Authorization 头缺失的异常处理，并给这个中间件写两个 Jest 测试用例。"
实用技巧
- 先伪代码再实现：逻辑特别复杂时，先让 AI 输出伪代码或流程图，你确认无误后再说"请将上述逻辑转为正式代码"，可减少返工。
- 善用文件引用：涉及跨文件修改时，每轮用
@文件或@目录（见 3.4.1、3.4.2）锚定上下文，避免 AI 凭记忆虚构文件路径或接口名。 - 及时纠偏：若某一步生成偏离预期，立即在当前轮指出"第二步不需要做缓存，请去掉 Redis 相关逻辑"，上下文窗口会持续累积正确认知，降低后续偏差。
避坑提醒
不要在一个提示词里堆砌"实现一个带限流、熔断、日志、缓存、权限校验的用户服务"这类全能需求。拆成多次后，每轮代码量适中，你审查和调试的成本也会显著降低。