AI 编程工具切走容易接回难？我用这三个 prompt 模板把「重新解释上下文」这件事省掉了

你正在用一个 AI 编程工具写一个复杂功能，写了两个小时，终于把核心逻辑调通了。这时候产品经理解释说有个紧急需求需要你停一下。你把窗口关了，去处理那个需求。等你回来，打开 AI 编程工具，重新粘贴上下文，然后发现——它不记得你两个小时前做了什么了。

这不是你的错觉。这是 AI 编程工具在中等时长任务（2~6 小时）上最普遍的问题。

「重新解释上下文」这件事，成本比你想的高

开新对话后重新解释上下文，这个过程在 prompt 工程里叫 context rehydration。表面看只是粘贴几段文字，实际上你花了三件事的成本：

第一，你的时间。把 2 小时的工作流重新组织成 AI 能理解的描述，平均 10~15 分钟。

第二，上下文的空间。粘贴进去的内容会占用 AI 的上下文窗口，稀释有效信息密度。

第三，思维的连贯性。你重新描述问题时，不可避免地会「重新组织思路」，而这个过程会引入新的遗漏和误解。

很多人把这个问题归咎于 AI 记性不好。实际上是 prompt 设计里缺少了一个专门的「续接模板」，导致每次 rehydration 都是一次性的、不成体系的。

三个 prompt 模板，把 rehydration 结构化

模板一：Status Report 模板

切换前让 AI 给你写一份 status report，不是给你看的，是给下次对话用的。

在任务中断前，发这个 prompt：

暂停之前的工作。请用以下格式总结当前状态：

## 任务目标
[一句话描述要完成的功能]

## 已完成
- [具体做了哪些实现，用 bullet]
- [包含关键文件路径]

## 进行中
- [当前卡在哪一步]
- [正在处理的具体问题]

## 下一步
- [明确的 next step]
- [如果我明天回来，应该从这里继续]

这个模板把对话变成了一份结构化笔记。下次开新对话，直接粘贴这个 report，AI 就能直接接着走。

模板二：Decision Log 模板

复杂任务里 AI 会做很多技术决策（选哪个方案、为什么用这个库、如何组织目录结构）。这些决策在当时是显然的，过了 2 小时就变成了「为什么当时这样写」的困惑。

在每个关键决策点后加一个 prompt：

在我们继续之前，请把刚才的决策记录下来：
[选择了哪个方案] + [为什么选这个] + [ alternatives 被否决的原因]

一份决策日志是上下文 rehydration 里价值最高的部分——它解释了「为什么」，而不是「做了什么」。

模板三：Boundary Marker 模板

这个模板用在切换回来的时候。开新对话后，第一个 prompt 不要描述问题，而是告诉 AI 上次任务在哪个边界停的：

我们正在做一个 [项目名称] 的 [功能模块]。
上一次停在了 [具体的代码位置或任务节点]。
我的下一个目标是 [明确的下一步]。
请先读一下 [关键文件路径]，然后确认你理解了当前状态，我们再继续。

这个模板把「重新解释上下文」变成了「确认上下文」，一次好的 boundary marker 能把 rehydration 时间从 15 分钟压缩到 3 分钟。

模板用不用得上，看任务长度

不是所有任务都需要这三个模板。

30 分钟以内能完成的简单任务：不用，开新对话重新描述问题比写 status report 还快。

2 小时以上的复杂任务：三个模板全用，尤其是 Decision Log，它是日后维护这段代码的关键。

1~2 小时的中等任务：只用 Status Report 模板就够了。

一个自测标准：如果你每次打开新对话都需要粘贴超过 5 段内容才能让 AI 跟上，说明你的任务已经超出了「靠嘴描述」能承载的范围——该用模板了。

下一步

今天可以试一件事：下次开始一个预计超过 1 小时的任务，在开始前对 AI 说「中途我会切换，等我让你暂停时，给我一份 status report」。就这一句话，不增加任何工具和学习成本。