在和 AI 協作編程的時候，你肯定遇到過這樣一種情況：

使用 Claude Code 或者 Codex 信心滿滿的實現一個功能之后，結果你一運行，直接報錯。

于是你把錯誤信息直接復制粘貼回給 AI，它態度好的一筆，立馬道歉：非常抱歉，我的代碼確實有問題，讓我重新為你生成一份。

結果換湯不換藥，又給了一份錯誤方案。

此時你再把錯誤貼回給AI，它再道歉，接著再給一份錯誤方案。。。

最后，跟 AI 拉扯了大半天，還是沒有把問題解決。

其實這時候你就和 AI 一起掉進了兔子洞。

什么是 AI 的兔子洞？

在與 AI 協作編程時，AI 陷入一種無效的循環狀態，無法真正解決問題，而是不斷生成看起來相似但有問題的代碼。

就像掉進了一個深洞里，無論怎么掙扎（生成新代碼），都無法爬出來（解決根本問題）。

這種情況其實很常見，AI 有時會陷入一個錯誤的邏輯里出不來，像卡住的程序一樣，不斷生成無效或重復的代碼。你越是直接給它錯誤信息，越是強化了它在錯誤路徑上的慣性思維。

很多人到這里第一反應是放棄，然后在心里面大罵一聲。

今天跟大家分享幾個實戰小技巧，能幫你立刻把 AI 從這種兔子洞里拽出來。

如何識別 AI 已經掉入了兔子洞？

首先我們需要知道 AI 什么時候已經掉入到兔子洞里面去了？這個時候你就不能再去浪費時間跟 AI 來回拉扯了。

1）不斷重新生成代碼

AI在反復生成代碼，但每次的結果都大同小異，而且始終無法正常工作。

2）無法解決根本問題

AI 在你的要求下不停的嘗試，但是就是沒辦法解決你的問題，給出你想要的結果。

3）需要你反復粘貼錯誤信息

這是一個強烈的信號，如果你發現自己一直在不斷的把代碼運行到錯誤信息粘貼給 AI，跟他來回拉扯，說明當前的解決方案可能已經走進了死胡同。

4）代碼質量逐漸惡化

如果你連續多次讓 AI 去修復同一個問題，然后這個問題還一直沒有解決。

AI 往往不會去理解問題的根源，而是在現有代碼基礎上打補丁，這會導致代碼一層一層的累積，越來越臃腫和混亂。

為什么會這樣？AI 為什么會掉進兔子洞？

一般是因為你給的上下文不夠，AI 沒有足夠的信息來理解問題的全貌或你的真實意圖，所以他只能去猜，而這些猜測往往是錯誤的。

如果你自己能很清楚的描述這個 bug 的原因，然后讓 AI 去修復，你會發現它修復的非常快，穩、準，狠。

還有一種情況就是你的任務超出了當前 AI 的能力邊界。但是糾結這個原因的意義不大，關鍵是如何脫困。

跳出兔子洞的4個實戰策略

一旦你發現自己掉進了兔子洞，就千萬不要繼續在原來的路上走下去了，這樣只會浪費時間。下面是4個實戰策略：

1、后退一步，重新評估

首先要做的就是停下來，不要讓 AI 再繼續生成代碼了。

然后你可以跟 AI 去溝通，說我們先退一步去分析一下這個問題，為什么始終都執行不成功？可能的原因有哪些？

這樣可以引導 AI 從代碼執行者變成分析者，跟你一起診斷問題的根源，只要把問題根源找到了，解決就很容易了。

2、果斷使用版本控制回退（重要技巧）

這是最有效、最核心的一招。不要害怕使用 git reset --hard 不花錢也不會把代碼弄壞，放心大膽用。

當 AI 經過多次嘗試，把你的代碼弄得是一團糟的時候，最好的辦法不是讓他繼續修補，而是把代碼回退到一個已知的、干凈的、可以正常工作的版本。

這里有的人可能會舍不得，覺得 AI 試了好多次，終于把這個問題跑通了，直接回退太不劃算了。

這種情況也是應該先把代碼庫回退到干凈狀態，然后將最終那個有效的解決方案應用到干凈的代碼上。

這樣可以避免之前所有失敗嘗試所留下來的垃圾代碼，保證你的項目清爽，維護性高。

3、切換模型

如果一個模型持續失敗，不妨切換模型試一試。

不同的模型都有自己擅長的領域，有時候在一個模型上卡住的問題，換一個模型可能瞬間就解決了。

4、提供更精準的指令

指令越精準，修復成功的概率越高。

在你通過分析找到問題的根源，然后回退到干凈的代碼版本之后，你需要給AI一個非常具體、精確的指令。

比如，告訴它需要在哪一個文件的哪一行，進行怎樣的修改，來修復那個特定的bug。越精確越好。

總結：

識別并讓 AI 跳出兔子洞的核心思想就是，當發現AI的努力方向錯誤時，要及時止損，通過回退和重新分析來找到正確的路徑，而不是任由其在錯誤的基礎上不斷疊加新的錯誤。

最后，你有沒有遇到過 AI 掉進兔子洞的情況？是在什么場景下？你是怎么解決的？

歡迎在評論區分享你的經驗一起交流，幫助大家在 AI 編程道路上少走彎路。