AI 编程最佳实践

使用 AI 编程工具的核心原则：AI 是助手，不是替代者。掌握正确的使用方式，可以大幅提升效率。

核心原则

1. 永远 Review AI 生成的代码

AI 生成的代码：

• 可能有逻辑错误
• 可能引入安全漏洞
• 可能不符合项目规范
• 可能有性能问题

做法：把 AI 当成一个初级程序员，它的输出需要你来做 code review。

2. 先解释，再修改

不要让 AI 直接改代码，先让它解释：

错误做法：
"把这段代码改成用 Redis 缓存"

正确做法：
"先解释一下这段代码的执行流程和业务逻辑，
然后告诉我如果用 Redis 缓存，应该怎么改，有什么注意事项"

3. 提供充分的上下文

AI 不知道你的项目规范，需要告诉它：

• 用项目规则文件（.cursor/rules/*.mdc 或 CLAUDE.md）固化编码规范
• 在提问时引用相关文件（@Files / @Codebase）
• 描述清楚技术栈和版本

注：旧版的根目录 .cursorrules 单文件已弃用，现推荐使用 .cursor/rules/ 目录下的模块化 .mdc 规则，可按文件类型/目录作用域生效。详见「Cursor 上手指南」。

提示词技巧

好的提示词结构

[角色] + [上下文] + [任务] + [约束条件]

示例：
你是一个有 10 年经验的后端工程师。
我们的项目使用 Spring Boot 3.x + JPA + MySQL。
请帮我写一个用户注册的 Service 层代码，
要求：
- 密码必须加密存储（BCrypt）
- 邮箱不能重复
- 添加参数校验
- 使用 Java 21 的 Record 作为 DTO

迭代式开发

不要指望一次就得到完美结果，分步进行：

第 1 步：先生成骨架代码
第 2 步：补充错误处理
第 3 步：添加单元测试
第 4 步：优化性能

让 AI 帮你写测试

AI 擅长写测试，充分利用：

"为 UserService 生成单元测试，
覆盖所有分支，使用 JUnit 5 + Mockito"

不同场景的最佳实践

写新功能

1. 先让 AI 列出实现方案（不止一个）
2. 选一个方案，让 AI 写接口定义
3. 让 AI 实现具体逻辑
4. 人工 review + 补充测试

调试 Bug

1. 把错误日志完整贴给 AI
2. 附上相关代码
3. 让 AI 列出可能的原因（按概率排序）
4. 逐一排查，不要直接按 AI 的建议改

代码重构

1. 先让 AI 解释现有代码
2. 确认理解一致后，让 AI 提出重构方案
3. 分步执行，每步都跑测试
4. 用 git 保存每个中间状态

写文档

AI 非常适合写文档：

"根据这段代码生成 API 文档，
包含请求参数、响应格式、错误码"

工具组合建议

场景	推荐工具
日常编码、代码补全	Cursor Tab / Copilot
多文件功能开发、重构	Cursor Agent / Claude Code
开源 Agent 框架（可自托管、混合模型）	DeepSeek Harness
通用办公自动化、数据处理	WorkBuddy
写测试、写文档	任意（AI 擅长）

最佳组合：Cursor（日常编码）+ Claude Code 或 DeepSeek Harness（大规模 / 可定制任务）

常见误区

❌ 误区 1：盲目信任 AI

AI 会自信地给出错误答案。务必验证。

❌ 误区 2：提示词太简单

错误："写个登录功能"
正确："用 Spring Security + JWT 实现登录功能，
     密码用 BCrypt 加密，Token 有效期 24 小时"

❌ 误区 3：一次性粘贴大段代码

代码太长，AI 容易遗漏细节。分批处理效果更好。

❌ 误区 4：不用 AI 生成测试

测试代码相对简单、规则明确，AI 生成质量很高，不用白不用。

效率提升数据（参考）

任务	传统方式	使用 AI	提升
写 CRUD	30 min	5 min	6x
写单元测试	20 min	5 min	4x
调试 Bug	60 min	20 min	3x
写文档	20 min	3 min	6x

数据来源：个人经验，实际效果因人而异

总结

AI 编程 = 好的提示词 + 充分的上下文 + 严格的人工 Review

AI 负责：写样板代码、生成测试、解释代码、提出方案
人负责：做决策、Review、架构设计、业务逻辑