侧边栏壁纸
博主头像
洋洋的技术笔记

行动起来,活在当下

  • 累计撰写 25 篇文章
  • 累计创建 3 个标签
  • 累计收到 0 条评论

目 录CONTENT

文章目录
AI

AI辅助开发入门:从“会问”到“会交付”

洋洋的技术笔记
2026-11-22 / 0 评论 / 0 点赞 / 3 阅读 / 0 字

AI辅助开发入门:从“会问”到“会交付”

AI 辅助开发的价值,不是更快生成一段看似正确的代码,而是把需求、实现、验证和交付连接成一条可检查的工作流。真正需要提升的,也不只是提问技巧,而是定义问题、审查结果和确认完成标准的能力。

这是《AI 辅助开发实战》系列的第一篇。后续文章会以一个 Spring Boot + Vue 3 任务管理系统为案例,逐步介绍需求分析、方案设计、编码、调试和测试。本文先建立一套通用方法,回答三个问题:哪些工作适合交给 AI,怎样让它理解真实任务,以及如何判断结果可以交付。

说明:本文不依赖特定 AI 产品。文中的“AI”可以是聊天工具、IDE 插件或编程 Agent。无论界面如何变化,都不能把代码审查、测试和上线责任交给工具。示例不包含真实密钥、个人信息或内部项目代码。


一、从“生成代码”转向“完成交付”

假设我们收到一句话需求:“给任务列表增加搜索功能。”

直接把这句话发给 AI,通常会得到包含输入框、查询参数和接口代码的答案。代码可能能运行,却仍无法回答这些问题:

  • 搜索标题还是同时搜索描述?

  • 是否区分大小写,空白关键字如何处理?

  • 普通用户能否搜索别人的任务?

  • 分页、排序和搜索条件怎样组合?

  • 没有结果、接口失败时页面显示什么?

  • 改动是否破坏已有列表和权限规则?

这些问题不属于“代码写得好不好”,而属于“任务是否被正确理解”。如果边界没有确认,生成速度越快,错误方向上的产出反而越多。

一次完整交付至少包含四层结果:

层次

要回答的问题

可检查的产物

需求

为谁解决什么问题,边界在哪里

用户流程、异常场景、验收标准

方案

改哪些模块,为什么这样改

影响范围、接口约定、风险说明

实现

代码是否符合现有项目规范

最小改动、必要测试、变更清单

验证

怎样证明功能正确且没有回归

测试结果、复现步骤、遗留问题

AI 可以参与每一层,但每一层都需要人提供上下文并检查结果。


二、AI 擅长什么,不擅长替我们决定什么

AI 特别适合处理结构明确、上下文充分、结果容易验证的工作,例如:

  • 根据已有代码风格补充一个相似方法;

  • 把重复逻辑提取为函数,并解释改动范围;

  • 根据错误日志列出可能原因和排查顺序;

  • 为正常路径、边界条件和异常路径生成测试候选;

  • 将接口字段整理成文档,或检查文档与实现是否一致。

以下事项则不能仅凭一段生成结果作决定:

  • 未确认的业务规则与验收口径;

  • 数据库删除、资金、权限等高风险变更;

  • 生产环境配置和密钥管理;

  • 没有测试支撑的大规模重构;

  • 涉及许可证、隐私和第三方代码来源的判断。

编程 Agent 能执行命令、修改多个文件,并不代表它天然拥有更高权限。给它开放终端、数据库或网络工具时,仍要遵循最小权限原则:能只读就不给写权限,能在测试环境验证就不接触生产数据。


三、第一步:把一句话需求变成任务简报

高质量输入不等于堆砌大量文字,而是提供完成任务所需的最小充分信息。推荐使用“背景、目标、约束、验收”四段式简报。

以任务搜索为例,可以先整理成:

背景:任务管理系统使用 Spring Boot + Vue 3,已有分页任务列表。
目标:允许登录用户按标题关键字搜索自己有权查看的任务。
约束:沿用现有列表接口和分页组件,不新增第三方依赖。
验收:
1. 输入“周报”后只返回标题匹配且有权限查看的任务。
2. 关键字首尾空格被忽略;空关键字恢复普通分页列表。
3. 搜索条件与分页、排序同时生效。
4. 无结果和接口失败有不同提示。
5. 原有列表测试及新增搜索测试均通过。

这份简报仍有可以讨论的地方,但已经把“做一个搜索”变成了可验证的任务。

如果信息不足,不要急着让 AI 写代码,可以先要求它提问:

请先不要修改代码。阅读我提供的需求和项目结构,列出影响实现的未知事项。
按“必须确认”和“可采用默认值”分组,每项说明它会影响什么。

这样能把 AI 从答案生成器变成需求检查助手。不过,它提出的问题也只是候选,最终业务答案需要由需求负责人确认。


四、第二步:先限定范围,再要求方案

拿到简报后,下一步不是立即生成完整功能,而是让 AI 先理解现状并提出最小改动方案。

任务:为现有任务列表增加标题搜索。
请先完成:
1. 找到前端列表入口、请求封装、后端 Controller、Service 和数据访问层。
2. 描述当前查询与分页调用链,并给出关键文件位置。
3. 提出最小改动方案,列出准备修改的文件。
4. 标出权限、SQL 性能和兼容已有调用的风险。
暂时不要编辑文件;方案确认后再实现。

这一步有三个作用。

第一,它能暴露上下文缺失。如果 AI 找不到真正的数据访问层,直接生成的代码很可能绕过现有权限规则。

第二,它把实现拆成可审查的决策。例如搜索条件应放在哪个查询层、空字符串在哪一侧处理、是否需要新增索引,都可以在修改前讨论。

第三,它控制改动半径。面对“顺手优化整个模块”的结果,应要求回到任务范围,避免无关重构混入功能交付。

方案阶段至少要看到:调用链、修改文件、风险、验证方法。只给出几段代码而没有说明集成位置的回答,还不算可执行方案。


五、第三步:小步实现,每一步都能验证

方案确认后,把实现拆成有检查点的小步骤:

  1. 先为当前行为补充或确认保护测试;

  2. 实现后端查询条件,验证参数和权限过滤;

  3. 实现前端输入与请求参数,验证加载、空结果和失败状态;

  4. 联调搜索、分页、排序组合;

  5. 查看完整差异,删除调试代码和无关修改。

每一步都可以让 AI 参与,但不要一次性接受几十处不可解释的修改。对于 Agent,尤其要在执行前明确边界:

只修改方案中列出的文件;如果必须增加文件,先说明原因。
不要执行数据库迁移、依赖升级、格式化全仓或 Git 提交。
每完成一步,运行对应测试并报告真实命令、结果和未解决问题。

“报告真实结果”很重要。工具输出被截断、测试命令没有执行、环境缺少依赖,都应该明确记录,不能写成“全部通过”。


六、第四步:审查代码,而不是只看页面能跑

功能演示成功只是验证的一部分。审查 AI 生成的代码时,可以按以下顺序阅读差异。

1. 是否符合需求

逐项对应验收标准,检查是否有“界面做了但后端没做”“只测成功路径”等缺口。不要让 AI 用一段总结代替实际核对。

2. 是否遵循项目边界

检查新增代码是否放在正确层级,是否重复已有工具函数,是否绕过统一异常处理、权限校验和请求封装。

3. 是否引入高风险行为

重点检查事务、并发、SQL 注入、N+1 查询、敏感日志、依赖新增和接口兼容性。AI 经常能生成局部正确的语句,却未必理解整个业务事务和部署环境。

4. 测试是否能发现错误

一个永远为真的断言、只验证 Mock 被调用的测试,不能证明业务正确。可以在不改变实现的情况下暂时恢复一个旧问题,观察测试是否失败,以确认保护测试确实有效。

审查时可以继续让 AI 扮演第二双眼睛:

请审查这次差异,不要重写代码。
按严重程度列出问题,每项给出文件位置、触发条件和验证方法。
重点检查权限遗漏、SQL 性能、分页组合、异步响应乱序和无关改动。
如果没有足够信息,请明确写出无法确认的部分。

但自审不能替代人的判断,也不能替代测试工具。审查者和生成者使用同一个模型时,还可能重复相同的盲点。


七、一个可复用的交付闭环

把前面的步骤串起来,可以得到一条简单工作流:

任务简报 → 现状调查 → 最小方案 → 小步实现 → 自动验证 → 差异审查 → 交付说明

每一步都有进入条件和产出:

阶段

完成条件

任务简报

目标、边界和验收标准明确

现状调查

找到真实调用链和项目约束

最小方案

修改范围、风险和验证方式可审查

小步实现

每一步只包含可解释的必要改动

自动验证

命令真实执行,结果与覆盖范围明确

差异审查

高风险区域和无关改动已检查

交付说明

变更、验证、遗留问题和回滚方式清楚

这套流程看似比“一句话生成代码”慢,却减少了返工、误改和线上问题。对重复性高、验证成本低的任务,可以缩短流程;对权限、资金和数据删除等任务,则应增加人工确认,而不是取消检查。


八、常见误区

误区一:提示词越长越好

长提示词可能包含大量无关信息。优先提供真实代码、相关日志、明确约束和验收标准。上下文是否充分,要看它能否支持当前决策,而不是看字数。

误区二:能运行就等于完成

能启动、能编译、页面能展示,都不能单独证明交付完成。还要覆盖异常路径、权限边界、已有功能和部署约束。

误区三:一次生成整个功能最省时

大改动会混合需求理解、结构设计和代码细节,问题很难定位。小步实现更容易验证,也更容易撤销错误方向。

误区四:让 AI 自己测试就可以放心

测试同样可能由 AI 错写。要检查测试是否覆盖需求、是否真实执行,以及断言能否区分正确与错误实现。

误区五:把所有项目资料都发给工具

更多上下文可能带来隐私和密钥泄露。发送前移除凭据、个人数据和无关内部信息,并遵守所在团队的数据与工具使用规范。


九、可以直接复制的检查清单

开始任务前:

  • [ ] 我能用一句话说明用户价值和完成标准。

  • [ ] 已提供相关代码、版本、错误日志和项目约束。

  • [ ] 已移除密钥、个人信息及无关内部资料。

  • [ ] 已要求先调查现状和提出方案,而非直接大范围修改。

实现过程中:

  • [ ] 修改范围与已确认方案一致。

  • [ ] 每一步都有可执行的验证方式。

  • [ ] 没有未经确认的依赖升级、数据库操作或 Git 提交。

  • [ ] 工具失败、测试跳过和环境限制被如实记录。

交付之前:

  • [ ] 验收标准逐项有证据。

  • [ ] 正常、边界、异常和权限场景已验证。

  • [ ] 已阅读完整差异并检查高风险区域。

  • [ ] 交付说明包含改动、测试和遗留问题。


十、总结

AI 辅助开发的核心不是“问出一句神奇提示词”,而是建立可重复、可验证的协作过程:

  1. 先把模糊需求整理成有边界的任务简报。

  2. 让 AI 先调查真实项目,再提出最小改动方案。

  3. 小步实现,每一步都运行相应验证。

  4. 审查完整差异,重点关注业务权限、事务、性能和安全。

  5. 用真实测试结果和清晰交付说明定义“完成”。

工具会继续变化,但定义问题、提供上下文、验证结果和承担责任这些基本能力不会过时。学会这些,才算从“会问”走向“会交付”。

下一篇预告

下一篇《AI编程工具怎么选:对话工具、IDE插件与编程Agent》将比较不同工具的适用场景、上下文能力和权限边界,帮助你按任务选择工具,而不是盲目增加工具数量。


作者:洋洋技术笔记 发布日期:2026-11-22 系列:AI辅助开发实战 - 第1篇


原文链接:洋洋的技术笔记

0

评论区