应分三步精准控制AI生成认证模块：先用CONTEXT.md锚定技术栈与约束，再按数据流或风险等级垂直切片开发，最后用独立对话窗口物理隔离各模块。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你让AI一次性生成登录+注册+密码重置+权限校验的完整认证模块，它大概率会给你一套表面能跑、但JWT刷新机制缺失、密码哈希用的是MD5、错误码全写死在if分支里的代码——这不是AI不靠谱，是你没给它划清作战边界。
先画作战地图：用文档锚定AI注意力
打开项目根目录，新建CONTEXT.md文件，把这三行粘进去：
技术栈：Python 3.11 + FastAPI + SQLAlchemy 2.0 + PostgreSQL
认证方式：JWT（access_token 15分钟，refresh_token 7天）
核心约束：所有数据库操作必须async/await，错误返回格式为{code: int, message: str, data: any}
每次让AI写代码前，先把这段内容复制进对话框开头。AI的注意力在长上下文里会衰减，【CONTEXT.md必须放在prompt最顶部，不能夹在中间或末尾】。
这一步做完，AI就再也不会擅自把JWT换成session，也不会在异步函数里塞阻塞式db.query()。
垂直切片：把大功能剁成可验证的肉丁
方法一：按数据流向切
第一步：只让AI生成用户注册的请求体模型（Pydantic BaseModel）和数据库表结构（SQLAlchemy Base），不写任何逻辑。
第二步：确认模型字段类型、必填项、唯一约束都符合预期后，再让它写注册接口的骨架（只定义路由、参数、返回值，不实现内部逻辑）。
第三步：最后才填充业务逻辑，且每写完一个函数立刻要求AI生成对应单元测试。
在克隆的 Git 仓库中驱动完整的规格驱动开发生命周期（init→需求→架构→流程设计→项目计划→编码→测试→缺陷修复→代码审查→发布）。阶段门控、产物强制输出、多语言支持，内置提交机制。
方法二：按风险等级切
先做高风险模块：JWT签发与验证逻辑——这里一旦出错就是安全漏洞，必须人工逐行审查签名算法、密钥加载方式、token过期校验顺序。
再做中风险模块：密码重置邮件发送——重点检查邮箱模板注入点、验证码时效控制、链接有效期。
最后做低风险模块：登录页UI——交给AI批量生成Tailwind样式，错了直接删掉重来。
注意：切片后每个模块的代码量控制在200行以内，超过就继续拆。AI在短上下文里犯错概率下降67%（2026年Stripe内部测试数据）。
设物理隔离墙：不同模块用独立对话窗口
打开三个浏览器标签页：
标签页1标题写“认证模块-API设计”
标签页2标题写“认证模块-数据库迁移”
标签页3标题写“认证模块-前端对接”
每个标签页只聊一件事，绝不混用。当AI在标签页1里记住了你要求“refresh_token必须存入Redis”，它就不会在标签页2里突然改成存PostgreSQL——因为它的短期记忆被物理隔断了。
这一步操作起来很简单，直接把文件拖进去就行。但很多人图省事全堆在一个窗口里，结果AI第三轮就把注册接口的status_code从201改成200，还振振有词说“更符合REST规范”。
