AI Coding的一些实践 - 持续更新
2026-05-22 22:40:29 2
阶段: 需求明确后的编码过程
目的: 减少AI Coding堆砌屎山, 以及在突发情况下快速定位问题. 兼顾效率和质量
AI负责体力, 人负责架构、边界、数据流、约束
业务流程及架构
业务流必须自己整体梳理一次, 明确数据和状态在其中的流转和变动过程, 任何一环做到心中有数, 但不过分要求了解实现细节.
整体流程没问题, 代码也不会有太大问题.
数据表
表的大致关系需要自己设计(必须加上充分的注释), 细节可以交由AI辅助, 同样要明确数据在其中的流转和变动过程
编码
1. 将自己的编码风格提前封装为SKILL, 比如 (List判空和判断是否empty用hutool的CollUtil.isEmpty 字符串判空用hutool的CharSequenceUtil.isBlank 状态值必须定义为单独的枚举类)
2. 可以让AI写一个接口方法, 自己手动修改为自己看的顺眼的编码风格, 后面其它接口的编码让AI参照这种风格进行生成
3. 文档先行. 定义好所有接口的请求和响应参数, 用swagger生成文档 (AI辅助). 好处是 前端后端可以AI并行开发 和 约束AI边界, 让其不要自由发挥
4. prompt务必清晰无歧义, 复杂逻辑需要描述好每一步的逻辑, 最好带上表名和字段名
5. AI生成的代码review保证大致流程对即可, 细节可以暂时放过. 但需要做测试.
6. 明确代码边界, 比如controller只做参数接收和校验, service只做核心业务流程编排
7. 日志规范, 参照古法编程的规范
8. 一个coding上下文不要过大, 过大会影响AI能力, 每次只让 AI 聚焦一个业务闭环
禁止
禁止操作任何git命令
禁止操作除工作目录以外的文件
禁止添加无意义的空行
禁止验证是否编译通过 (可选)
SKILL
安装合适的skill, 能有效的约束AI, 提高代码质量, 比如 https://github.com/multica-ai/andrej-karpathy-skills
