叫 Claude Code 開工前先問三條問題，點解可以少行冤枉路

XDA 作者 Mahnoor Faisal 分享咗一個極簡單嘅 Claude Code 用法：每次叫佢整嘢，都加一句，要求寫 code 前先問最多三條澄清問題。個概念唔新，不過幾實際。Coding agent 最大麻煩好多時唔係寫唔到，而係需求留咗空位，佢又照樣揀一個「最似合理」嘅答案開工，最後交出一份行到、但方向錯咗嘅改動。

同一個含糊任務，兩種開場

假設個任務得一句：「幫設定頁面加自動儲存。」直接叫 agent 開工，佢可能自行揀 debounce 時間、決定改邊個 component、另開一條 API route，再加埋成功提示。每項選擇單獨睇都講得通，但只要專案原本用 server action、要求失焦先儲存，或者唔想畫面不停彈提示，成份改動就已經偏離預期。

同一個任務加上「寫 code 前，如果需求、檔案位置或者現有 convention 有含糊地方，最多問我三條問題」，agent 應該先收窄幾個關鍵位：邊啲欄位要自動儲存、咩事件觸發；相關頁面同資料層喺邊；現有測試同完成標準係咩。答完先郁手，通常會少啲無謂 diff，review 時亦唔使逐樣估佢點解咁改，再叫佢重做。

圖片：Wikimedia Commons — Marine BAJAN（CC BY-SA 4.0）

「最多三條」其實幾重要

問題數目設上限，作用係逼 agent 排優先次序。佢要揀出最影響實作方向嗰幾個未知數，唔可以將所有細節都拋返畀你。三條唔係科學驗證過嘅最佳數字，只係一個幾順手嘅限制；大型 migration、權限系統或者付款功能，三條未必夠，呢類改動用 plan mode 先讀 codebase、列出影響範圍會穩陣啲。

XDA 呢篇講嘅「效果差天共地」只係作者個人感受，文章冇量化前後修改次數、token 用量或者成功率，亦冇獨立測試。效果仲會受任務完整度、repo 結構同當時模型版本影響，所以可以當成一個低成本習慣試用，唔好當成保證輸出質素嘅秘技。

問完問題，都要有四樣資料

單靠嗰句提示唔會自動補齊需求。實用嘅任務描述最好交代四樣嘢：完成條件、檔案範圍、現有 convention、驗證步驟。例如：「改 src/settings/ 入面現有表單，跟 profile page 嘅 server action 寫法，唔加新 dependency；失焦後儲存，API 失敗要保留輸入；跑相關 unit test 同 type check，兩樣都過先算完成。」

Anthropic 官方文件都有相近建議：知道相關檔案就直接指出路徑，講清楚「完成」代表測試通過、跟現有 handler 格式，定係唔准加 dependency；亦要畀 agent 一個可以自行核對嘅目標。呢啲資料會直接收窄解法，比泛泛叫佢「小心啲」實在得多。

重複規矩唔使每次再講

如果每個任務都要重複「用 pnpm」、「API route 要有 auth middleware」同測試指令，應該寫入 repo 嘅 CLAUDE.md；用 Codex 嘅團隊就放入 AGENTS.md。Anthropic 同 OpenAI 官方指引都將呢類檔案定位成長期專案背景，適合保存目錄結構、build／test 指令、命名規則、禁改範圍同驗證要求。每次嘅 prompt 留返今次改咩，同埋今次獨有嘅限制就夠。

呢個分工對細團隊尤其有用：固定 convention 由 repo 文件交代，任務本身列明 outcome，而 agent 只喺剩低嘅含糊位問最多三條問題。咁先可以減少來回，又唔會靠一份愈寫愈長嘅 prompt 將所有可能性塞晒入去。

清楚任務唔好硬加關卡

改一個已知 typo、更新指定 dependency，或者 ticket 已經列齊檔案、acceptance criteria 同測試指令，就冇必要強制 agent 每次發問。明明冇實質疑點都要問，最後多數只會出現「要唔要順便更新文件」呢類湊數問題，拖慢原本一兩分鐘做完嘅改動。

最啱用呢句提示嘅情況，係你知道任務仲有啲關鍵位未決定，又想 agent 幫手搵出最值得先問嗰幾個。用一兩星期後睇返重做次數、review comment 同完成時間，有改善就保留；冇改善，就應該先檢查需求同 repo 指示有冇寫漏。

參考來源

• XDA Developers — I added one line to my Claude Code prompts, and the difference was night and day — original report
• Give Claude context: CLAUDE.md and better prompts — Anthropic 官方講解 CLAUDE.md、檔案路徑、完成條件同專案 convention 點樣寫。
• How Claude Code works — Anthropic 官方解釋 agent 由讀背景、執行到驗證嘅循環，亦有 plan mode 同具體 prompt 建議。
• Prompt library — Anthropic 官方例子涵蓋可量度目標、參考檔案、測試同自行核對結果。
• Codex best practices — OpenAI 官方建議用目標、背景、限制同完成條件描述任務，含糊改動可先規劃同發問。
• Custom instructions with AGENTS.md — OpenAI 官方說明點樣用 AGENTS.md 保存 repo 結構、指令、規則同驗證要求。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。