在日常技术研发中,很多工程师已经开始尝试用多大模型协同来写技术设计方案:
先让 Gemini 出一个方案初稿,方向很准、逻辑清晰,但总感觉缺了点底层落地的硬核细节;
于是转手把它丢给逻辑推演极强的 DeepSeek 做 Review:“帮我核实细节并补充完整”;
结果 DeepSeek “用力过猛”,不仅补了一堆极端边界,还顺带把“什么是幂等”、“Redis
为什么是内存数据库”、“建议打印规范日志”等大白话常识全塞了进去……
原本 3 页纸的轻量设计方案,瞬间膨胀成了一篇动辄万字、谁都不想看的“技术八股文”。
为什么两个各自领域顶尖的模型凑在一起,反而产生了一份“灾难级”的文档?我们又该如何驯服它们?
今天聊聊背后的机制原理,以及一套可以直接套用的双模型高效协作流水线。
一、 现象背后:两大模型的“人设冲突”
这个现象并非偶然,本质上是发散创意型模型与严谨审查型模型在认知策略上的碰撞。
Gemini (宏观架构师) DeepSeek (严苛审查官)
┌──────────────────┐ ┌──────────────────┐
│ 擅长:顶层设计 │ │ 擅长:逻辑推演 │
│ 风格:抓大放小 │ ─── 方案初稿 ──> │ 风格:穷举完备 │
│ 盲点:缺乏细节 │ │ 陷阱:防御性写作 │
└──────────────────┘ └──────────────────┘
│
▼
产出又臭又长的八股文
1. Gemini 的“默认信任”机制
Gemini 的宏观抽象能力很强,在生成设计方案时,它的默认假设是:“读者是懂行的资深同行”。
因此它会把重心放在业务架构、系统分层和选型理由上,而把基础异常处理、参数定义等实现细节省略掉。这导致文档看起来 “方向极对,但有点发虚”。
2. DeepSeek 的“防御性写作”陷阱
DeepSeek 等具备强推理(CoT)能力的模型,在收到 Review 指令时,触发的是 “完备性优先” 的底层逻辑。
- 没有读者画像:由于不知道读者水平,模型会采用最保守的假设——默认读者可能会质疑任何细节。
- 防御性补偿:在模型的世界里,“不写”等同于“疏漏”。为了证明自己考虑周全,它会开启“穷举教学”模式,把前置常识、底层原理连带最佳实践全部倒出来。
- 结果:设计方案直接退化成了“技术百科全书摘录”。
二、 核心认知转变:Review 的输出是“原料”,不是“成品”
导致文档冗长的根本错误动作,是很多人习惯对 DeepSeek 说:“请帮我完善细节,并重新生成一份完整方案。”
这句话直接让模型接管了“编辑权”。大模型天然是做加法的,一旦放开篇幅,它绝不会主动克制。
核心认知:
模型负责穷举,人类负责剪裁。Review 的产物应该是用来挑刺的“差分原料”,绝不能直接当作正文修订稿!
三、 驯服模型的三条“手术刀法则”
要让两者的优势互补,我们需要在提问和协作机制上动手术:
法则 1:黄金红线 —— 区分“改变代码”与“解释原理”
筛选 Review 意见时,只用这一条硬标准做过滤:
- 保留(改变代码/架构):
- “主键如果用自增 ID,分库分表会产生碰撞,必须替换为雪花算法。”(改变了数据结构,必须留)
- “下游网络抖动未做重试退避,容易雪崩,需增加指数退避重试。”(改变了调用逻辑,必须留)
- 无情剔除(纯科普/空洞建议):
- “Redis 是内存型存储,发生宕机可能丢数据,需要持久化。”(全人类都知道,删)
- “建议做好日志追踪,方便排查故障。”(毫无意义的正确废话,删)
法则 2:让审查者“扮演具体反派”
不要让 DeepSeek 扮演泛泛的“资深架构师”,给它一个尖锐、刻薄的极窄人设,它的废话会骤减 90%:
推荐人设:
“你是一个半夜被报警电话叫醒的 On-call 运维专家。假设这个系统明天上线且凌晨宕机了,请只指出 3 个最可能导致系统雪崩的致命硬伤。”
身份越具象,模型的注意力就越集中在“故障与灾难边界”,没闲心再去科普常识。
法则 3:用结构本身抗冗余(ADR 格式)
要求模型在提出修改建议时,强制采用 ADR(架构决策记录) 的极简三元组:
- 面临约束:一句话说明遇到了什么特殊场景。
- 所做决策:选了什么技术/改了哪个字段。
- 代价权衡:牺牲了什么,引入了什么副作用。
凡是写不出这个三元组的建议,一律判定为“常识水文”,直接丢弃。
四、 最佳工程实践:三步走协同 SOP
下面这套流程,已被大量技术团队验证为信噪比最高的大模型协作姿势:
Gemini (起草骨架) ──> 结构化初稿
│
▼
DeepSeek (靶向挑刺) ──> 缺陷与盲区 Checklist (绝不碰正文)
│
▼
人类工程师 (人工裁决) ──> 用“改变代码法则”筛选出 2~3 个真问题 ──> 定点回填定稿
Step 1:Gemini 出骨架(用契约逼出细节)
让 Gemini 起草时,不要给纯概念提示词,直接索要“具体交付物”:
请帮我设计 [业务需求] 的技术方案:
1. 给出整体架构图与核心时序图(Mermaid 格式)。
2. 给出核心数据库表的 DDL 定义,包含字段与索引。
3. 给出核心 API 的 Request/Response Schema。
4. 读者均为熟练工程师,无需解释原理,重在逻辑闭环。Step 2:DeepSeek 做刺客(只挑刺,不出正文)
拿到初稿后,把正文喂给 DeepSeek,加上严格的负面约束:
你是资深系统架构师,读者均为拥有 5 年以上经验的后端开发,请对以下方案做技术评审:
【严格约束】
1. 默认读者掌握全部开发常识(如常见中间件原理、幂等概念、常规日志与监控规范),严禁输出任何科普性与套话内容。
2. 严禁重写文档正文!
【输出格式】
以极简清单列出你的意见:
- 致命缺陷:是否存在状态不一致、死锁或并发竞争?
- 缺失契约:漏掉了哪些关键字段、状态码或回滚逻辑?
只列出“如果不修改会导致线上 BUG”的问题,每条不超过 3 句话。Step 3:人工裁决,定点缝合
- 浏览 DeepSeek 返回的 Checklist;
- 大手一挥,删掉那些“提醒你加日志”、“解释原理”的条目;
- 把真正有价值的 2~3 个极端边界,手工或让 Gemini 定点补充到方案的 《边界考量与异常兜底》 章节中。
结语
大模型时代的写方案,不再是 “谁能敲出更多字” 的竞赛,而是 “如何维持极高信息密度” 的博弈。
- Gemini 是望远镜,帮你看清星空与路线;
- DeepSeek 是显微镜,帮你排查暗礁与裂痕;
- 而你,必须是手握剪刀的主编。
别指望一个模型同时做好发散、审查与精简三件事;学会解耦它们的分工,你才能真正拥有一支不知疲倦、各司其职的高级架构师智囊团。