现在大模型飞快发展,有没有用ai深度辅助开发好的策略的人吗?有人能分享这方面的经验吗?
有,比较稳妥的做法不是让模型“一口气把项目写完”,而是把它当成能快速阅读、起草和检查代码的协作者,由人掌握需求、边界和验收。通常可以按下面的节奏推进:
先把任务说清楚:目标用户和要解决的问题、现有技术栈、不能改动的部分、输入输出、异常情况、验收标准。信息不全时,先让 AI 列出需要确认的问题和它的假设,不要让它默默补全关键业务规则。涉及已有项目,先让它梳理相关目录、调用链和数据流,再指定具体文件或模块,避免只看局部就大范围重写。
实现时拆成可审查的小步:先讨论方案和接口,再做一个范围有限的改动;每步说明改了什么、为什么、可能影响哪里。让模型给出可执行的验证方式,并由你实际运行构建、测试或静态检查。失败时提供完整错误上下文,让它分析原因和提出最小修复,不要仅凭“看起来合理”就接受代码。改动完成后,再让它按安全性、边界条件、兼容性和遗漏需求做一次独立审查;审查意见也要逐条核实。
上下文管理很重要。给模型必要的项目约定、相关代码和真实报错即可;长任务定期归纳“目标、已决定事项、当前状态、未解决问题”,新一轮从摘要继续。不要把密钥、生产数据或不该外传的内容贴进去。涉及数据库迁移、权限、支付、删除数据等高影响变更,应先做备份和回滚设计,并人工检查生成的 SQL 与操作范围。
效率上,可以让 AI 做样板代码、文档、重构建议、测试用例草稿和日志分析;需求取舍、架构边界、合并与上线仍由人负责。衡量效果看交付质量、返工和审查成本,而不只是生成了多少代码。简单任务直接问答即可,复杂任务用“明确约束—小步实现—实际验证—人工审查”的闭环,通常更可靠。