AI 辅助编程学习与工具推荐：先量出瓶颈，再动资源配置

AI 辅助编程学习与工具推荐：先量出瓶颈，再动资源配置

我用 AI 辅助学 Rust 时，最容易浪费的不是模型本身，而是把同一段错误日志、整个目录树和一堆无关代码反复塞进提示词。回答变长了，真正需要的那一行解释反而更难找。

我的顺序是先缩小问题，再谈缓存。先把报错压成“最小复现代码 + cargo check 的关键几行 + 我已经试过的办法”，确认回答是否有用；同一个问题要问第二次，再考虑把说明缓存到本地笔记里。缓存不该保存原始令牌、私有代码或可识别的日志。

目标：解释 E0502
代码：只保留触发报错的函数
已尝试：把可变借用移到循环外，仍不通过
期望：说明两个借用分别活到哪里，并给一个可编译改法

对我来说，AI 的输入是这份最小问题说明，输出是解释和候选改法，不是可以直接合并的补丁。我会自己运行 cargo fmt、cargo clippy 和测试；没法复现的建议就先不写进笔记。预算紧张时，优先减少无效上下文，比频繁切换模型更直接。

如果题目涉及私有仓库、用户日志或我无法判断是否能脱敏的内容，我不会把它发送给外部模型。那种场景先查 Rust 文档、写最小复现，或者请有权限的人一起看。