谈谈我最近使用 AI 编程的一些感受

前言

最近在尝试使用 AI 编程，最大的感受就是：AI 编程最大的坑不是"AI 不够聪明"，而是每次对话 AI 都是"失忆状态"。

它不知道你的技术栈、代码规范、项目约定。所以你要一遍遍重复，它一次次试错，如此反复。

我的做法：用 rules 和 skills 给 AI 定规则和使用说明，用文档驱动开发。

---

我的痛苦经历

场景 1：重复说明累死

每次开新对话都要交代一遍技术栈、组件库、规范，崩溃。

场景 2：代码风格乱飞

同一个需求问三次，三次不同写法，头大。

场景 3：需求理解偏差

"写个用户页面" → AI 脑补了个简单表格，但我要的是带搜索、分页、批量操作的。

本质问题：AI 缺乏项目上下文，需求描述太模糊。

---

我的做法：文档驱动 + Rules + Skills

AI 会脑补，你写得越模糊，它脑补空间越大。文档把需求"固化"下来，AI 按文档执行，偏差小很多。

1. 文档先行

不要直接让 AI 写代码，先写文档把需求说清楚。

API 文档 —— 告诉 AI 数据从哪来：

## 用户列表接口
- GET /api/users
- 参数：page, size, keyword
- 返回：{ code, data: { list, total }, message }

设计文档 —— 告诉 AI 页面长啥样、有什么功能：

## 用户管理页面

### 页面结构
- 搜索区：用户名输入框 + 状态下拉框 + 搜索按钮
- 操作区：新增按钮 + 批量删除按钮
- 表格区：展示用户列表，支持分页

### 交互逻辑
- 点击搜索：根据条件查询，重置页码为 1
- 点击新增：弹出表单弹窗，提交后刷新列表
- 点击删除：二次确认后删除，提示成功/失败

2. Rules（规则）—— 告诉 AI "我们项目是什么样的"

## 技术栈
- Vue 2.6 + Element UI
- TypeScript

## 规范
- 组件名：UserList（大驼峰）
- 样式：SCSS + scoped
- 接口：统一用封装的 request

3. Skills（技能）—— 告诉 AI "遇到场景 X 该怎么做"

## 表格页面
- 用 <pro-table> 组件，别用原生 el-table
- 分页用 useTable hook
- 搜索区用 <pro-form> 自动生成

---

使用后的变化

维度	之前	现在
提示词	"写个用户页面"	"根据文档完成开发"
代码风格	每次都不一样	统一规范
返工率	10 次有 6 次大改	10 次 2-3 次微调
需求偏差	经常理解错	按文档执行，偏差小

核心变化：AI 从"瞎猜"变成"按规矩执行"。

---

一个具体例子

需求：写个带搜索的用户表格页面

以前的做法：

我：写个用户列表页面，要有表格、搜索、分页
AI：（生成代码）
结果：没搜索功能，分页逻辑不对，用的原生组件

现在的做法：

1. 写 API 文档：

GET /api/users
参数: page, size, keyword
返回: { code, data: { list, total } }

2. 写设计文档：

搜索区：用户名输入框 + 搜索按钮
表格列：用户名、邮箱、状态、创建时间、操作
分页：每页 20 条，显示总条数

3. AI 生成代码（基于 rules + skills）：

• 自动用 pro-table 组件
• 自动用 useTable hook 处理分页
• 自动用封装 request 调接口

结果：代码几乎直接可用。

---

文档怎么写？

• API 文档可以直接从接口文档（Swagger/YApi）复制粘贴，几分钟搞定。

• 设计文档如果懒得手写，可以让 AI 帮你生成：

  1. 准备一份设计文档模板（定义好格式和必填项）
  2. 把原型图截图发给 AI（用支持图片理解的模型，如 Kimi-K2.5）
  3. 提示词：

     根据原型图和模板，帮我写设计文档：
     1. 这是用户管理页面
     2. 表格展示：用户名、邮箱、状态、创建时间
     3. 支持按用户名搜索和状态筛选
     

  4. AI 生成初稿后，务必人工检查一遍

⚠️ 注意：AI 有时候也不是很聪明，可能漏字段或加多余功能。检查确认后再用于开发。

快速初始化项目规则和技能

我用 TRAE 做了一个有意思的Agent 「TRAE-规则技能助手」。 点击 s.trae.com.cn/a/12089a?re… 立即复刻，一起来玩吧！

具体用法可以参考我的上一篇文章：效率翻倍！TRAE 快速搞定项目规则与技能初始化

我的工作流

关键原则：先写文档，再写代码。

前置准备（一次性）
  ↓ 写 rules（技术栈、规范）
  ↓ 写 skills（组件用法、最佳实践）
      ↓
日常开发（每个需求）
  ↓ 写 API 文档（数据从哪来）
  ↓ 写设计文档（页面长啥样、有什么功能）
  ↓ AI 生成代码（基于文档 + rules/skills）
  ↓ 人工审查（功能 + 规范）
  ↓ 迭代完善

---

一些实用技巧

开发过程中难免遇到问题，我的经验是：

1. 大问题先检查文档

如果功能偏差很大（比如界面完全不对，和需求偏差较大），通常是文档描述不清晰或者本身描述有问题。直接撤销代码，检查并调整文档，然后重新生成。这跟调提示词是一个道理。

2. 小缺失直接告诉 AI

如果大部分功能OK，只是少了某个功能，直接说："xx功能没实现，请仔细看设计文档完成开发"。

3. 报错直接贴

代码运行报错？直接把错误信息贴给 AI，它能自己检查修正。

4. 细节问题口头提

"创建时间用年月日格式"、"按钮间距调大点"——这种小问题直接说，不用大改。

5. 简单问题自己改

有些问题人工改两行就搞定，比跟 AI 来回沟通更快。

6. 把 AI 当实习生

你交代任务，他执行，你检查，他修改。保持这个节奏，别指望一次完美。

几个真实感受

1. 文档是"可复用的上下文"

提示词说一次忘一次，文档写一次可以反复用。而且文档可以版本管理、团队协作。

2. 上下文管理 > 提示词工程

提示词是一次性的，文档 rules skills 是可复用的。花半天写规则，每天省 1 小时。

3. 模糊需求是返工的根源

"写个用户页面" → AI 脑补 → 可能不是你想要的

"根据这份文档实现" → AI 执行 → 基本是你想要的

4. 团队协作更需要 rules + skills + 文档

A 同学生成 Vue2 风格，B 同学生成 Vue3 风格，审查时大家都疯了。统一 rules + skills + 文档驱动，AI 产出才一致。

5. 保持 “人” 在环

交代清楚（文档）→ 执行不错（基于 rules/skills）→ 检查把关（人工审查）→ 持续改进（迭代）。别指望它一次做到 100 分。

---

我的建议

1. 先写文档再写代码 —— API 文档 + 设计文档，给 AI 明确的需求
2. 先写 rules 再写代码 —— 花半天整理技术栈和规范，长期受益
3. 从简单 skills 开始 —— 接口调用、表单处理、表格页面，用多了再补充
4. 持续迭代 —— AI 常犯的错误 → 补充到 rules，重复场景 → 抽象成 skill

---

总结

AI 编程的核心不是"提示词写得有多好"，而是 "给 AI 足够的上下文"。

• 文档 明确需求，减少返工
• Rules 约束代码风格，保证一致性
• Skills 传递最佳实践，提升可用性

在我看来 AI 不会取代程序员（至少在目前还不能完全取代），但会用 AI 的程序员会取代不会用的，只会执行不懂主动思考的程序员迟早被淘汰。

而会用 AI 的关键，是让 AI 真正理解你的项目和需求。

---

如果你也觉得 AI 编程"差点意思"，试试 文档驱动 + rules + skills，你会发现：原来可以这么爽。