AI编程时代，开发者都在寻找提升效率的最佳路径。通过测试市面主流AI编程工具，发现了一个核心规律：计划与执行分离是关键。但要让AI真正提速，反而需要投入更多时间打磨计划，这个快慢悖论值得每个技术人深思。
智能速览
AI编程最佳实践是将plan和work严格分离
Web coding方向存在plan耗时过长且质量不稳的问题
Interview方向信息收集不够全面导致计划偏差
通用框架需要结合个人实际情况进行定制
项目越快完成，前期计划就要越细致清晰
精华内容
深入探讨AI编程工作流的两种主流模式，分析它们的优劣，并揭示一个看似矛盾却至关重要的原则：想在AI辅助下开发更快，必须先在计划阶段更慢。
Plan与Work分离
AI编程社区已达成共识：最佳实践是将计划阶段和执行阶段严格分开。计划时专注思考，执行时全心投入工作。这种分离模式可以通过不同工具实现，无论是使用插件还是Cursor等IDE，核心都是打磨好plan和work两个环节。
如果前期规划不到位，后续的review和compound等功能都会变得徒劳。边想边做的方式效率极低，尤其在项目中后期缺乏明确计划时，开发效率会急剧下降。
Web Coding方向
以复利工程为代表的Web coding方向，即使采用纯Web coding方式，也遵循plan-work-review-compound的流程。其plan阶段通过三个sub-agent收集行业最佳实践、项目目录结构和相关资料。
基于用户简短需求生成详细计划的优势是适合技术储备不足的用户。但实测发现，使用Claude Code一次plan需要20多分钟。当需求表达不清晰时，AI会生成冗长且质量不高的计划，用户需要花费大量时间阅读和修改。
Interview方向
Superpowers等工具采用的Interview方向，先通过多轮交互收集信息，类似采访用户来获取完整需求描述。收集充分后再生成plan，后续执行流程与前者类似。
这种方法的问题是信息收集可能不够全面，经过3-5轮交互后仍可能存在信息缺失。最终生成的plan仍需大量人工修改，才能达到可用状态。两种主流方案都暴露出通用框架的局限性。
个性化定制方案
通用框架无法满足个人化需求，需要结合自身实际情况调整。可以将plan流程集成到Cursor对话中，或转化为Cursor rules，让AI主动采访并协助整理思路。
虽然尚未形成完整工作流，但这种结合个人特点的定制化plan，明显优于通用方案。就像使用任何AI工具一样，必须花时间调整提示词，才能让输出更符合自己的需求。
快慢悖论本质
AI编程的核心悖论：想让项目完成得越快，前期plan就要做得越清晰。而清晰的plan需要投入更多时间迭代，需要深入的思考和专业知识支撑。
快与慢形成辩证统一。开发者必须仔细做好规划，才能让AI在work阶段发挥最大效能。这个悖论揭示了人机协作的本质——人的深度思考是AI高效执行的前提。
AI编程不是简单的效率工具，而是重构开发思维的过程。计划与执行的分离、快慢的辩证统一，都在提醒我们：技术越强大，人的思考越重要。你的AI编程工作流是如何平衡计划与执行的呢？
关键评论
通过特定提示词可以解决信息收集不全面的问题
人的参与和指导仍很重要，vibe-coding类似软件工程中的敏捷开发
Superpowers工具存在视野过窄、只聚焦局部代码改动的问题
AI编程核心价值可能在于提升可交付性而非单纯开发速度
