我把 AI 开发成本砍了 70%，顺便让它自动写 todo/done
14 / 0 / 创建于 5天前 /
wangchunbo 的个人博客
我把 AI 开发成本砍了 70%，顺便让它自动写 todo/done
上一篇讲了怎么让 Codex 不失忆。
这篇讲点更狠的：
👉 怎么让 AI 自动维护项目进度 + 降70%调用成本
这两件事如果你搞定：
基本就从“玩AI” → “用AI赚钱”了。
一、先说一个很真实的问题
你现在用 AI 开发，大概率是这样：
todo 靠自己记
done 靠脑子回忆
AI 每次都要重新解释项目
调用模型成本越来越高
说白了：
👉 你在给 AI 打工，而不是让 AI 给你打工
二、第一步：让 AI 自动维护 todo / done
先说结论：
👉 不要手写 todo，让 AI 写
🧠 核心思路
你只要做一件事：
❗ 每次开发结束，让 AI “更新文档”
🛠️ 固定指令（直接用）
每次你开发完，直接丢这句话：
请根据刚刚的代码改动：
1. 更新 doc/done.md（记录已完成内容）
2. 更新 doc/todo.md（移除完成项 + 新增下一步）
3. 更新 doc/PROJECT_CONTEXT.md（压缩当前状态）
要求：
- 不写废话
- 每一项必须具体
- 必须可执行
💡 效果是什么？
你会发现：
todo 永远是最新的
done 永远有记录
项目状态清清楚楚
👉 AI 自动帮你“做项目管理”
⚠️ 一个关键点（很多人会错）
👉 不要写这种：
更新一下 todo
👉 要写这种：
基于刚刚实现的 report API，更新 todo/done
三、第二步：AI调用分层（重点）
这个才是最值钱的。
💸 为什么你成本高？
很多人现在是：
所有任务 → 都用最强模型
比如：
GPT-5.3
Claude Opus
DeepSeek R1
👉 结果就是：
💥 成本直接爆炸
🧠 正确做法：分层调用
我现在的结构是这样的：
L1：轻模型（便宜）
- 分类
- 改写
- 摘要
L2：中模型（性价比）
- 逻辑整理
- 结构生成
L3：强模型（贵）
- 报告生成
- 推理分析
📊 举个真实例子（研究系统）
你现在做 AI 研究：
❌ 错误方式
用户输入 → GPT-5.3 → 出报告
成本：💥💥💥
✅ 正确方式
步骤1：轻模型
→ 分析用户问题（分类）
步骤2：中模型
→ 生成报告结构（JSON）
步骤3：强模型
→ 填充核心内容
步骤4：轻模型
→ 压缩/润色输出
💰 成本变化（很真实）
| 方式 | 成本 |
|---|---|
| 全部用强模型 | 100% |
| 分层调用 | 30% 左右 |
👉 直接省 60~70%
四、再进阶一点（你可以直接用）
🧩 AI 调用架构（模板）
用户输入
↓
[轻模型] 分类 / 意图识别
↓
[中模型] 生成结构（JSON）
↓
[强模型] 填充核心内容
↓
[轻模型] 压缩 / 优化
↓
输出
🧠 关键原则
记住三句话：
❗ 能用便宜的，就不用贵的
❗ 能拆步骤，就不要一次做完
❗ 强模型只做“不可替代”的事
五、把这两件事结合起来
你就会得到一个很恐怖的系统：
🚀 你的 AI 开发流程变成：
1️⃣ 开始
👉 AI 读项目文档
2️⃣ 开发
👉 AI 写代码
3️⃣ 结束
👉 AI 自动更新：
todo.md
done.md
PROJECT_CONTEXT.md
4️⃣ 调用模型
👉 自动分层（省钱）
💡 结果是什么？
项目不会乱
AI不会失忆
成本极低
可以持续开发
六、最后说一句很现实的
现在大部分人用 AI：
👉 只是“让它回答问题”
但真正有价值的是：
👉 让 AI 参与系统，而不是参与对话
七、总结一句话
如果你只记一件事：
❗ AI 不是用来聊天的
❗ 是用来“接管流程”的
后面我准备再拆：
多模型混用（DeepSeek + OpenAI + 豆包）
自动化调度（按任务选模型）
AI 成本监控系统
有兴趣可以继续交流。
本作品采用《CC 协议》，转载必须注明作者和本文链接
关于 LearnKu
粤公网安备 44030502004330号