与 AI 结对编程，就像拥有了一位才华横溢却偶尔“走神”的实习生。它能在一小时内完成过去需要一周的工作，但有时也会在核心代码里埋下“惊喜”。
如何驾驭这位强大的伙伴？以下是多位创始人总结出的实用“AI 协作编程指南”。
规划流程
- 制定周详计划：先和 AI 在 Markdown 文件里写下实施计划。
- 评审与精简：删掉不必要的部分，把复杂功能标记为“暂不开发”。
- 控制范围：设立“未来想法”区，集中注意力。
- 小步快跑：分阶段实现，避免一次性上全部功能。
- 追踪进度：完成部分后标记“已完成”。
- 频繁提交：确保每个能正常工作的部分都提交到 Git。
版本控制策略
- Git 是生命线：不要依赖工具的撤销功能。
- 干净起点：每开发新功能前保持 Git 工作区干净。
- 果断重置：代码混乱时立即执行
git reset --hard HEAD。 - 避免雪球效应：别在错误代码上继续堆砌。
- 清爽实现：找到方案后，从干净版本重新实现。
测试框架
- 优先高层测试：注重端到端的集成测试。
- 模拟用户行为：通过模拟真实点击操作来验证功能。
- 捕获回归问题：避免 AI 修改代码时破坏其他功能。
- 先测试，再前进：新功能前确保现有测试通过。
- 测试即护栏：先写测试用例，给 AI 明确目标。
高效修复 Bug
- 善用错误信息：直接把错误日志交给 AI。
- 先分析再修复：让 AI 提出可能原因，再动手。
- 失败即重置：每次失败后回到干净代码再试。
- 添加日志：帮助理解代码运行。
- 切换模型：一个模型卡住时换另一个。
- 清爽修复：找到根源后在干净版本中实现修复。
AI 工具优化
- 创建指令文件：如
cursor.rules、claude.md。 - 本地文档：下载 API 文档放在项目中。
- 多工具协作：结合 Cursor、Windsurf 等。
- 各取所长：前端快速用 Cursor，复杂任务用 Windsurf。
- 货比三家：生成多个方案，择优采用。
复杂功能开发
- 独立原型：在新代码库中构建核心原型。
- 提供范例：让 AI 学习已能运行的示例。
- 明确边界：保持 API 一致，内部灵活调整。
- 模块化架构：清晰边界的服务式架构优于庞大 monorepo。
技术栈的选择
- 成熟框架更佳：如 Rails 拥有更多惯例与训练数据。
- 训练数据关键：新兴语言如 Rust、Elixir 支持稍弱。
- 模块化优先：拆分文件利于理解与处理。
- 避免巨型文件：单文件数千行会成为噩梦。
编码之外的妙用
- DevOps 自动化：配置服务器、DNS、托管。
- 设计辅助：生成 favicon 等设计元素。
- 内容创作：产品文档与营销文案。
- 私人教师：让 AI 逐行解释代码。
- 利用截图：调试界面或借鉴设计。
- 语音输入：工具如 Aqua 提高输入效率。
持续改进
- 定期重构：完善测试后可大胆频繁重构。
- 发现改进：让 AI 提出可优化部分。
- 紧跟潮流：尝试新模型，了解进展。
- 认识特长：不同模型适合不同任务。
感谢分享