Akinator 与排除法原则：弄清自己“不想要什么”，比知道“想要什么”容易得多

任何有过深夜编程经历的开发者，都深知那种认知精力耗尽、难以再进行复杂决策的状态。

在经历了一整天的 Bug 排查、跨部门沟通与高频的上下文切换后，当你打开终端里的 AI 编程助手时，唯一有力气敲下的往往只是一句简短的“接下来做什么？”或“继续”。

此时，传统的 AI 助手往往会给出两种体验欠佳的反馈： 1. 查户口式的连续追问： AI 抛出一大堆开放式问题，要求你重新组织语言、详尽阐述业务逻辑与技术选型。 2. 毫无根据的盲目猜测： AI 抓取了目录中的临时缓存，开始修改完全无关紧要的非核心模块。

在身心俱疲的时刻，开发者最不需要的，就是工具要求你先写出一份详尽的说明书才肯开始干活。

渐进式排除法原则

在人类决策心理学中有一个朴素的规律：明确自己“不想要什么”，往往比从零描述自己“想要什么”要容易得多。

以深夜决定晚餐为例，如果有人直接问你“想吃什么”，大脑往往会陷入选择困难。但如果换成一系列极简的二选一： - 想自己做饭还是点外卖？ → 排除自己做饭。 - 想吃清淡沙拉还是温热扎实的主食？ → 排除轻食。 - 想吃汉堡还是披萨？ → 几秒钟内即可锁定目标。

通过逐层排除干扰项，决策的认知负担被降到了最低。我意识到，终端里的 AI 助手同样应当遵循这一逻辑。

这就是 Akinator 的核心设计哲学。

运行机制：静默上下文感知与两步极简分流

Akinator 彻底重塑了人机交互流程：

• 深度上下文感知： 静默扫描代码仓库状态（git status）、近期提交记录、未暂存的代码改动以及任务清单（TODO.md、ROADMAP.md）。
• 严苛的噪音过滤： 自动忽略构建产物、依赖目录及临时日志，确保输入信息的高纯净度。
• 大留白的两步分流卡片： 摒弃冗长的文字说明，直接生成三条清晰、具象的候选任务卡片：[ 1 ]、[ 2 ]、[ 3 ]。
• 即时自主执行： 用户仅需在键盘上敲下一个数字。AI 随即进入实施阶段，省略一切不必要的寒暄。

设计启示：减少决策才是最高级的交互

在技术领域，我们常常容易陷入一种误区，认为给用户提供越多的参数开关，工具就显得越专业。

但在优秀的产品哲学中，事实恰恰相反：软件真正的成熟度，体现在对不必要认知摩擦的主动消除。

当开发者的精力和注意力极其宝贵时，一个好的系统不应该向你索取冗长的解释。它应当看清全局、扫除杂音，把清晰的路径呈现在你眼前，让你只需轻轻一按，便能稳步向前。