01 / CODE & SYSTEM
2026 年,我怎么和 AI 一起写代码
它写九成,我改一成,但那一成决定成败。一份用了两年的协作流程,和四条不可让步的底线。
两年前我第一次用代码补全,觉得是个花架子。现在,我写的代码里有七成是与模型协作产出的。变化不在于模型变多强,而在于我摸清了该怎么用它。
一、先让它读,再让它写
最浪费时间的用法,是丢一句「帮我写个登录」就开始改它的输出。有效的做法是先把上下文喂足:目录结构、相关文件的全文、数据库结构、报错日志。上下文给对了,第一版就能用;给错了,后面全是返工。
二、任务切成可验证的小块
模型最擅长的是「有明确输入输出、有现成验证方式」的任务:写一个解析函数、补一段正则、把 SQL 改成预处理、生成测试用例。最不擅长的是「你觉得这个架构该怎么设计」——那还是人的活。
我的判断标准:如果我不能在三十秒内说清「怎么算做对了」,那就先别交给 AI。
三、让它解释,而不是让它自信
生成的代码我一定会追问三个问题:这段在什么情况下会失败?有没有边界条件没处理?如果数据量涨十倍会怎样?模型答得越具体,代码越可信;答得含糊,我就自己重写。
四、四条底线
- 不把密钥贴进对话。需要调试就脱敏,或者本地起一个假配置。
- 不直接部署没读过的代码。哪怕只有十行。
- 不引入不认识的依赖。模型很爱推荐冷门包,供应链风险得自己扛。
- 不在生产库上试。所有实验先在本地或临时库跑。
五、我的实际流程
读需求 → 自己写接口与数据结构(这部分最需要判断)→ 让模型填实现 → 跑 lint 与测试 → 逐行读 diff → 提交。整个流程里,我花在「读 diff」上的时间最多,也最值。
AI 没有让我变成更懒的程序员,反而让我更像一个审稿人。审稿比写稿更需要判断力——这大概是这两年我最大的变化。
— 完 —