想请教大家的ai coding工作流

日常工作和个人项目都会用 coding agent。最近遇到一个挺困扰的问题，想请教一下有经验的工程师。

我的体感是：在已经比较成熟、抽象比较清晰的代码库里，AI coding 用起来很顺手。但在让 LLM 从零开发的项目里，一方面，随着功能增加，我会逐渐失去对代码库的掌控。另一方面现在即使是很好的模型也经常生成一些非常complex and defensive的代码，加很多一看就不合理的fallbacks。

一开始也会认真讨论设计、review plan，当时觉得自己都理解了。但过几天继续迭代，就开始跟不上：这个逻辑放在哪里？为什么又多了一个模块？新增功能应该改哪一层？

最近在读《A Philosophy of Software Design》，虽然是大模型之前时代的书了，但里面关于抽象的讨论很有共鸣：好的设计好的抽象，应该让开发者比较容易判断，为了修改某个行为，需要去改哪些模块。回头看自己，有时候连项目到底有哪些模块都快记不清了😂

我感觉这里有两个互相关联的问题：

代码本身可能在变得难懂。每次功能都能跑，但模块边界逐渐模糊，职责散落在不同地方，后续修改越来越费劲。

即使代码结构还算合理，我自己也没有建立起对它的熟悉度。很多实现决策和调试过程都是 agent 完成的，我看过解释，但下次遇到问题，还是不知道从哪里入手。

第二点尤其让我担心经验积累。我理解工程判断力、设计上的 taste，需要从具体实现、踩坑和修改中慢慢长出来。但现在很多时候，我的工作变成了：描述需求、看结果、继续提修改。功能确实做出来了，但我不太确定，自己从中积累了多少能迁移到下一个项目的经验。

想请教经验比较丰富的engineer： 连续迭代一个项目时，怎么让自己始终跟得上代码的变化？设计文档和 plan 之外，还有什么有效的习惯？出现哪些信号时，你们会暂停加功能，先重新梳理结构？对工程经验还不够丰富的人，怎么在使用 AI 提高效率的同时，继续积累设计和调试能力？尤其想听一些具体例子，想参考大家真实用得下去的工作流。