与 ChatGPT 结对编程：10 种最常见的 LLM 失败模式及应对方法

用 ChatGPT 做长期工程项目时，同样的问题会反复出现。本文归纳 10 种最典型的 LLM 协作失败模式，以及每种模式的具体触发条件和防御措施。

用 ChatGPT 做长期工程项目，最大的挑战不是 Python、API 或向量数据库，而是学会和 AI 有效协作。一个开发者在用 ChatGPT 构建 AI 平台的过程中发现：同样的失败模式会一遍遍重复出现，且触发条件高度可预测。认识这些模式，就能提前规避，而不是每次都事后补救。

失败模式一：无底洞模式（Doom Mode）

症状：任务已经完成，AI 还在继续生成——结论写完后继续加致谢、尾声、另一个结尾……

根本原因：没有明确的终止条件。问"写出最好的文章"，AI 不知道什么叫"好到够了"。

防御：把复杂任务当状态机处理，明确定义"完成"的标准。用"生成 X 个要点，然后停止"而不是"尽可能全面"。

症状：prompt 加的限制越多，输出质量反而越差，变得极短或极死板。

触发条件：步骤式指令 + 冗余规则 + 互相矛盾的要求 + 超长 prompt。

防御：描述目标而不是步骤；删掉一半限制往往比加限制更有效。一个实际经验：删掉 prompt 的一半，效果立刻变好。

症状：对话从设计一个组件开始，半小时后你们在讨论知识管理哲学，而原来的工程问题没有解决。

原因：漂移往往是渐进的，而且新话题通常很有趣，所以很难察觉。

防御：定期总结进展，把新冒出的想法分类为"当前任务"还是"待办清单"，不要在一个会话里混着跑。

症状：你想实现一个小功能，AI 却开始讨论通用框架、可复用架构，或软件工程原则。

防御：明确说"不要抽象，不要过度设计，专注于当前这个类"。有时候需要把这句话当成 prompt 的固定开头。

症状：AI 开始频繁回应"这是个绝妙的观点""非常复杂的想法"……技术讨论变成了励志演讲。

原因：长对话中，AI 对用户输入的正强化会逐渐替代技术批判。

防御：明确要求"减少夸奖，专注挑战我的想法"。把沟通风格定义写进 system prompt 或 CLAUDE.md。

症状：你在上一个会话里建立的工作约定——沟通风格、不要过度设计、回答要简洁——在新会话里全部消失，需要重新解释一遍。

防御：把工作协定文档化，存成文件（如 CLAUDE.md 或 Cursor 的项目规则），每次新会话引用或粘贴进去。

症状：AI 引用了听起来很合理的类名、文件名或方法——但这些根本不存在于你的代码库里。

危险性：这些名称不显眼地错，不是明显的乱码，而是"像真的一样的假货"，容易在 code review 中漏掉。

防御：给 AI 提供当前的项目目录结构（tree 命令输出），把它的所有引用当成假设而不是事实来对待。

症状：大重构之后，AI 继续基于旧架构给出建议，提到已经被删掉的包或服务。

防御：每次重构后，主动把新的目录结构喂给 AI。提供项目树形图后，架构讨论质量会立刻改善。

症状：你和 AI 在用同一个词，但意思完全不同。比如"artifact"对你是"架构图"，对 AI 是"任意结构化输出"。

防御：发现歧义立刻替换成更精确的词，不要靠上下文来消除歧义。"架构图"比"artifact"更不会出问题。

症状：一旦某个方案开始运行，AI 就只会在这个方向上优化，而不会质疑这条路是否正确——即使它已经走进了死胡同。

防御：主动问"如果从头开始，我们今天还会选这个架构吗？"这个问题往往能重新打开解决方案空间。定期做设计决策复盘，而不是只看实现质量。

问：这些失败模式只在 ChatGPT 里会出现吗？ 答：该文章作者基于 ChatGPT 经验总结，但其中大多数模式（语境漂移、抽象狂热、协议遗忘等）在 Claude、Gemini 以及 Cursor 等工具中同样存在，只是触发条件和严重程度有所不同。

问：最值得优先防御的是哪几种？ 答：对于长期工程项目，最高优先级是：幻象模块（直接导致 bug）、架构失忆（让重构后讨论无效）和协作协议遗忘（每次新会话都要重新校准）。

问：有没有一劳永逸的解法？ 答：没有。这些是协作模式，不是技术 bug，工具更新不会自动修复。最可靠的方案是把工作协议文档化，并在长会话中主动做阶段性总结。