2026-09-27 · Vibe Coding · 约 8 分钟

和 AI 结对编程:我的日常协作流程

用 AI 写代码一年多,最大的变化不是「打字变少了」,而是工作被拆得更细了。 模型很擅长在明确的边界内生成代码,也很擅长在你没想清楚时帮你把问题放大。 下面是我现在比较稳定的一套流程,写下来给以后的自己看。

一、先准备上下文,再开口

模型看不到你的仓库结构、跑不了你的环境、也不知道你上周为什么改了那个配置。 所以第一件事不是描述需求,而是给它能自己读的东西:

这一步花的几分钟,通常能省掉后面几轮来回。经验是:你描述得越像一份 issue,结果越像一次正常的开发。

二、把需求写成一个可验收的目标

我习惯用三段式:

目标:给上传接口加上 10MB 大小限制,超限返回 413 和 JSON 错误体
约束:不改路由签名;错误格式复用现有的 ApiError;不要引入新依赖
验收:单测覆盖「刚好 10MB」和「超过 10MB」两种情况;npm test 全绿

「验收」这一行最关键。没有它,模型会倾向于「看起来对」的实现; 有了它,它会主动去找测试文件、跑命令、修到通过为止。

三、小步走,一次只改一件事

我最常犯的错误是一次性给一个大目标:「把这个模块重构成干净架构」。 结果通常是几十个文件的改动、一堆看起来合理但互相矛盾的抽象。

现在我会把它拆成可独立验证的步骤,每步都要求先给出计划:

  1. 让它列出改动点和顺序,我确认后再动手;
  2. 一次只做一步,做完立刻跑测试或构建;
  3. 通过之后再进入下一步,失败就回滚这一步。

这样即使某一步跑偏,损失也只是一次小改动,而不是整棵树。

四、验证永远自己做一遍

「测试通过了」这句话,我现在的理解是「模型说测试通过了」。 所以关键改动我会自己再看三件事:

一个实用习惯:让它把「怎么验证」写成命令清单,我照着跑一遍。 写不出来,通常说明它自己也没把握。

五、我通常不交给它的事

这不是不信任模型,而是这些事情的错误成本太高,且验证成本也很高。

六、几个高频失败模式

1. 幻觉 API

它可能用了一个不存在的参数,或者某个库的旧版本写法。 对策:要求它只使用仓库里已经出现的 API;不确定时先让它搜索/读源码。

2. 过度设计

「顺手」加一层抽象、一个配置项、一个接口。对策:明确说「本次不引入新抽象」, 并在 diff 里检查文件数量。

3. 隐性约束没说

比如「这个函数必须保持纯函数」「这个目录不能被前端引用」。 对策:把这些写进约束,或者维护一份项目级的约定文档,每次让它先读。

4. 修复引入新问题

为了让测试变绿去改测试,而不是改实现。对策:测试文件的改动要单独审。

七、心态

AI 更像一个不知疲倦但需要复核的初级同事:给它清晰的任务,它会做得不错; 给它模糊的目标,它会自信地跑偏。

所以真正值钱的能力没变:把问题拆清楚、定义什么叫「做完了」、以及判断什么不该做。 模型只是把「从想法到代码」的这段路缩短了。

← 返回首页