freedakgmail
134 lines
8.0 KiB
Markdown
134 lines
8.0 KiB
Markdown
# AI Coding 通用方法与技巧
|
||
|
||
> 一套可迁移到任意项目的 AI 辅助编码（AI Coding）方法论：如何与 AI 高效协作、如何约束 AI 产出质量、如何让系统保持可回归与可审计。
|
||
|
||
---
|
||
|
||
## 一、核心方法论
|
||
|
||
### 1. 规格驱动开发（Spec-Driven Development）
|
||
|
||
先规格、后代码。把"需求 → 设计 → 任务"作为地面真值，再让 AI 据此实现：
|
||
|
||
| 阶段 | 产出 | 要点 |
|
||
|------|------|------|
|
||
| 需求 | 可测试、可追溯的需求描述 | 用结构化句式（如 WHEN/IF/WHERE/SHALL），每条需求都能映射到验收标准 |
|
||
| 设计 | 架构、数据模型、模块边界、**正确性属性** | 明确不变量（invariants），它们将成为测试依据 |
|
||
| 任务 | 可执行的任务清单 | 拆到可独立实现并验证的粒度 |
|
||
|
||
**收益**：AI 有明确的"做什么"与"对错标准"，避免凭感觉发挥；改动前先回到规格确认，减少返工与漂移。
|
||
|
||
### 2. 确定性核心 + AI 语言层 的分层（最关键的架构原则）
|
||
|
||
> **凡涉及金额、评分、判定、裁决等关乎正确性与合规的逻辑，一律用确定性纯函数实现，绝不交给大模型；大模型只承担语言理解（解析、抽取、归类、摘要、预填）。**
|
||
|
||
- **确定性核心**：无副作用、可复算、相同输入恒得相同输出，便于测试与审计。
|
||
- **AI 边界层**：负责把自然语言/非结构化输入转成结构化数据；调用失败或超时时**自动降级**到确定性兜底，不阻塞主流程。
|
||
- **收益**：把大模型的不确定性隔离在"翻译层"，不污染决策；系统结果稳定、可解释、可回归——这是合规与高可靠系统的硬要求。
|
||
|
||
### 3. 属性化测试（Property-Based Testing）
|
||
|
||
对核心逻辑写"属性"，而不仅是样例用例。属性描述对**任意**合法输入都应成立的不变量，例如：
|
||
|
||
- 输出值恒落在合法值域内；
|
||
- 派生结果与其定义函数恒等（如等级恒等于按分值分级的结果）；
|
||
- 幂等性：重复执行结果不变；
|
||
- 往返一致：序列化后再反序列化与原值等价；
|
||
- 局部不变：修改 A 不应影响与之无关的 B。
|
||
|
||
**收益**：用随机输入覆盖人想不到的边界；属性即"活的规格"，是重构时的安全网。
|
||
|
||
---
|
||
|
||
## 二、与 AI 协作的有效技巧
|
||
|
||
### 1. 小步快跑 + 每批验证
|
||
长任务拆成小批，每批改完立刻跑验证三件套（类型检查 / 静态检查 / 测试），全绿才进入下一批。**绝不在未验证的情况下连续堆叠改动**——否则错误会层叠，难以定位。
|
||
|
||
### 2. 用强类型/静态检查做护栏
|
||
开启语言可用的最严格静态检查选项。编译器/类型系统把大量运行期 bug 前移到编码期；AI 生成的代码尤其受益于强约束护栏。
|
||
|
||
### 3. 每个可工作的改动独立提交
|
||
一个改动完成并验证后立即提交，提交信息写清"根因 + 改法 + 验证方式"。便于回滚，也便于审计 AI 的每一步决策。
|
||
|
||
### 4. 根因优先，拒绝表面打补丁
|
||
遇到问题先定位**根因**再动手：
|
||
- 区分"数据/输入缺失"与"逻辑 bug"——前者加校验与提示，后者改逻辑。
|
||
- 区分"展示问题"与"计算问题"——不要用改公式来掩盖录入或展示缺陷。
|
||
- 同一方法连续失败两次就停下来分析根因，换思路，而不是继续微调。
|
||
|
||
### 5. 端到端真实验证
|
||
单元测试之外，在接近真实的环境做端到端验证：触发操作 → 检查副作用（数据库记录、文件产出、外部状态），确认改动真的生效，而不仅是"代码看起来对"。
|
||
|
||
### 6. 复用既有约定，一处修复全局受益
|
||
新功能优先沿用项目既有组件、约定与模式，而非另起炉灶。把修复做在共享组件/工具层，让所有调用方一起受益，而不是到处贴补丁。
|
||
|
||
### 7. 明确给 AI 的协作偏好
|
||
开工前把稳定偏好讲清楚，例如：
|
||
- 回复与文档使用的语言；
|
||
- "简单改动直接改、复杂设计先给方案确认"；
|
||
- 哪些逻辑禁止交给大模型；
|
||
- 命名/格式/金额展示等约定；
|
||
- 测试数据必须清理、长任务分批推进等流程要求。
|
||
|
||
AI 在明确边界内自主推进效率最高。
|
||
|
||
### 8. 规避工具与环境陷阱
|
||
- 命令行处理多字节文本（如中文）易被截断/乱码时，改用写临时文件 + 脚本读取等稳健方式。
|
||
- 复杂逻辑放进脚本（`node -e` / `python3 -c` 等），避免在 shell 里拼脆弱的一行命令。
|
||
- 编译型/需构建的后端，改完务必重新构建再重启进程，否则跑的是旧产物。
|
||
- 注意存储层对特殊字符的限制（如某些数据库不接受特定控制字符），入库前编码、读出时解码。
|
||
|
||
---
|
||
|
||
## 三、工程实践沉淀
|
||
|
||
- **数据库变更迁移化**：所有 schema 变更走可重放、可回滚的迁移脚本，保证各环境一致。
|
||
- **配置与密钥惰性读取**：运行期再读取密钥/配置，避免模块加载时固化导致开关失效；密钥不入库，放进被忽略的本地配置。
|
||
- **统一审计中间件**：用一处中间件集中记录写操作与关键读操作（操作人、角色、对象、动作、结果、耗时、来源），跳过高频轮询端点避免日志噪音。
|
||
- **稳定 ID 关联 + 数据隔离**：记录之间用稳定 ID 关联、界面实时解析为可读名称；按角色/归属做行级数据隔离。
|
||
- **质量内建**：把可访问性、对比度、一致性等检查纳入自动化测试，由统一的设计体系保证 UI 一致。
|
||
- **一键部署**：把构建、上传、迁移、重启、健康检查封装成一条命令，降低发布风险与心智负担。
|
||
|
||
---
|
||
|
||
## 四、优化建议（通用清单）
|
||
|
||
### 工程与质量
|
||
1. **端到端回归纳入 CI**：补一条主链路 E2E，作为"改 A 坏 B"的防线。
|
||
2. **CI 门禁**：类型检查 + 静态检查 + 测试全绿才可合并/部署；发布脚本前置测试闸门。
|
||
3. **测试分层与解耦**：高频变动模块按功能区拆分测试，降低脆性；区分单元/集成/E2E 各司其职。
|
||
4. **性能前置**：列表服务端分页 + 关键查询建索引；大数据量时前端虚拟滚动。
|
||
|
||
### 架构与可维护性
|
||
5. **及时拆分巨型文件**：单文件过大时按职责/资源域拆分，降低认知负担与合并冲突。
|
||
6. **减少隐式依赖**：避免依赖框架的隐式缓存/副作用，关键数据显式获取一次并复用。
|
||
7. **关键语义文档化**：易被误解的业务语义（如可累加 vs 幂等、历史值 vs 当前值）写入设计文档，防止重复踩坑。
|
||
|
||
### AI 层
|
||
8. **AI 输出做 schema 校验 + 置信度阈值**：结构化校验大模型产出，低置信走兜底；把调用耗时/降级率纳入监控。
|
||
9. **提示词与模型版本治理**：集中管理、版本化 prompt 与模型名，便于灰度与回滚。
|
||
10. **数据飞轮**：把"预测 vs 实际"的偏差、人工修正反哺给 AI 的少样本示例，持续提升质量。
|
||
|
||
### 安全与合规
|
||
11. **认证用成熟方案**：优先用成熟库而非自实现，支持密钥轮换、较短有效期 + 刷新令牌。
|
||
12. **密钥治理与备份演练**：确认密钥不入库；定期演练备份恢复，而不仅是备份。
|
||
13. **会话失效策略**：无状态令牌如需"立即失效"，引入短期令牌 + 服务端黑名单/版本号。
|
||
|
||
---
|
||
|
||
## 五、可复用的"黄金法则"清单
|
||
|
||
1. 决策逻辑确定性纯函数化，AI 只做语言层，二者严格隔离。
|
||
2. 先规格（需求 / 设计 / 正确性属性）后代码，规格是地面真值。
|
||
3. 核心逻辑写属性测试，而不仅是样例测试。
|
||
4. 小步改动 + 每批"类型检查 + 测试"验证 + 独立提交。
|
||
5. 根因优先，拒绝表面打补丁。
|
||
6. 改完在接近真实的环境做端到端验证（含副作用）。
|
||
7. 强类型 + 迁移化 schema + 统一审计，让系统可回归、可审计、可解释。
|
||
8. 开工前对齐协作偏好与边界，让 AI 在明确约束内自主推进。
|
||
|
||
---
|
||
|
||
*本文为通用方法论，可随团队实践持续补充。*
|