技能介绍

当 AI 编程助手变成初级工程师

AI 生成的代码看起来很快，但经常不对；想引入 AI 编程助手，却不知道哪些任务适合交给它。团队落地时，缺少统一的任务拆解、上下文喂入和验收方法，结果要么过度委托导致返工，要么不敢用错过提效窗口。

把 AI 编程工作流变成可执行的纪律

这个技能把 AI 编程助手定位为「初级工程师」：产出快、知识广，但需要你提供清晰任务、完整上下文和严格验收。它给出一套可操作的工作流：

任务拆解：一个任务 = 一个可独立验证的行为变化。太大如「做一个电商网站」只会产生样板代码；太小如「写一行判断空字符串」沟通成本高于收益；合适的委托是「给订单模块加按日期范围过滤的查询接口，参数校验参考用户查询接口」。
上下文投喂：先给仓库地图（结构、技术栈、入口文件），再给约定（命名、错误处理、测试风格），然后用测试先行委托法：先让 AI 写测试用例，你审用例是否覆盖意图，再写实现。边界声明如「不要引入新依赖」能消灭一半翻车。
验收清单：合入前必查测试全绿、逐行读 diff、查幻觉（API 是否真实存在）、查冗余（是否重复造轮子）、安全过目（输入校验、SQL 拼接、密钥硬编码）。红线是看不懂的代码不合入，「能跑」不等于「正确」。
边界判断：适合 AI 的有样板代码、测试用例、重复模式迁移、正则、文档、跨语言翻译、读懂陌生代码；必须自己来的有架构决策、安全敏感逻辑、性能关键路径、对外 API 契约。判断标准：错误代价高且难通过测试验证的决策，不委托。
团队引入路线：个人提效期先在测试、文档、脚本等低风险任务使用，积累提示词模式；规范化期沉淀团队上下文文件，统一验收清单，AI 生成代码在 PR 中标注；深度集成期在 CI 里加 AI 审查辅助，但人始终是合入最终责任人。