|
最近越来越多公司在尝试把 AI 引入日常开发流程，尤其是用来辅助编码。但现实是，效果往往没有想象中那么理想。尤其在老项目、旧系统中，AI 很难真正“帮上忙”。 很多代码结构混乱、文档缺失、上下文不清，AI 就像一个刚入职、没人带的新同事，根本搞不清楚在做什么。 所以问题不是“AI 不够聪明”，而是我们没给它提供能理解的环境、清晰的任务、以及明确的反馈。要真正用好 AI，我们需要做三件事，让它能读懂、能协作、能改。
一、让 AI 看得懂代码：先把上下文整理好AI 输出的质量，很大程度取决于它看到什么。如果上下文混乱，它就很难给出靠谱的建议或修改。 我们可以从以下几方面做起： - 用代码分析工具生成模块结构图，帮助 AI 理解系统组件之间的关系；
- 在代码评审中逐步补齐关键注释，把“大家都知道”的隐含逻辑显性化。
这些步骤不难做，但能大大提高 AI 的理解能力，相当于“喂它好料”。
二、建立反馈通路：让 AI 变得更好用很多团队用 AI 写代码，是“一次性”的：写了就用，用完就丢。这样做不仅效率低，还浪费了很多可以改进的机会。 更好的做法是： - 把 AI 和人的分工说清楚，比如“AI 出初稿，人来审查”；
- 把这些信息反哺回 prompt 模板或上下文组织里，下次用就更准。
这就像带实习生一样，关键不是要求一次就完美，而是要教他怎么改、怎么更好。
三、让团队协作更顺：明确角色和流程AI 的加入，让原本清晰的分工变得模糊：以前是谁写谁负责，现在可能是“AI 写、人审、人补”。如果流程没设计好，很容易出问题。 可以考虑这样设置： - 每次 AI 的输出都打上标签，比如“需要人工补充”“已通过审查”；
- 建一个简单的 prompt 模板库，大家共享上下文格式和使用经验。
这些机制看起来琐碎，但能确保团队在用 AI 时不出混乱，还能不断积累经验、提升效率 | 
