AI 编程最佳实践：如何让 AI 写出高质量代码

过去几周，我们聊了 Cursor 的安装、基础操作和高级技巧。但有一个问题一直没深入：如何让 AI 真正写出高质量代码？ 今天，我们来聊聊 AI 编程的核心方法论。

---

先泼一盆冷水

在开始之前，先说一个残酷的现实：

AI 不是银弹，你仍然需要懂代码。

如果你完全不懂编程，AI 写的代码你无法判断对错、无法调试、无法优化。AI 能帮你写代码，但不能替你承担责任。

所以，本文的前提是：你已经有一定的编程基础。在这个基础上，我们讨论如何最大化 AI 的价值。

---

核心原则：你是架构师，AI 是施工队

用 AI 编程的正确姿势：

角色	职责
你	定义需求、设计架构、审查代码、测试验证
AI	生成代码、解释逻辑、重构优化、编写测试

你负责"做什么"，AI 负责"怎么做"。

这就像建筑行业：建筑师画图纸，施工队盖房子。建筑师不需要亲自砌砖，但必须懂结构、材料、安全规范。

---

实践一：写好 Prompt，事半功倍

AI 写代码的质量，80% 取决于你的 Prompt。

坏 Prompt

写一个登录功能

AI 会给你一个通用的登录代码，可能：

• 用了你不用框架
• 数据库结构不匹配
• 没考虑安全性
• 没有错误处理

好 Prompt

用 Python Flask 写一个用户登录 API：
1. 接收 JSON：{"email": "xxx", "password": "xxx"}
2. 用 bcrypt 验证密码（用户表在 PostgreSQL）
3. 成功返回 JWT token，有效期 7 天
4. 失败返回 401 和错误信息
5. 添加请求日志和错误处理

这个 Prompt 包含了：

• 技术栈：Python Flask
• 输入格式：JSON 结构
• 核心逻辑：bcrypt 验证 + JWT
• 数据源：PostgreSQL
• 边界条件：成功/失败的处理
• 非功能需求：日志、错误处理

Prompt 模板

总结一个实用的模板：

【任务描述】用一句话说明要做什么
【技术栈】使用的语言、框架、库
【输入输出】数据格式、接口定义
【核心逻辑】关键业务规则
【约束条件】性能要求、安全要求
【参考代码】（可选）现有代码片段

---

实践二：分步迭代，不要一口吃成胖子

很多新手犯的错误：试图让 AI 一次写出完整功能。

错误示范

帮我写一个完整的电商购物车模块，包括：
添加商品、删除商品、修改数量、计算价格、
应用优惠券、库存检查、结算支付...

结果往往：

• 代码过长，难以审查
• 逻辑复杂，容易出错
• 难以调试，出了问题不知道在哪里

正确做法：分步迭代

第一步：核心功能

写一个简单的购物车类：
- add_item(product_id, quantity)
- remove_item(product_id)
- get_total_price()

第二步：添加功能

给购物车添加优惠券功能：
- apply_coupon(code)
- 支持百分比折扣和固定金额

第三步：边界检查

添加边界检查：
- 数量不能为负数
- 商品不存在时报错
- 优惠券过期检查

第四步：测试用例

写单元测试覆盖所有场景

每一步的代码量可控，你可以：

• 仔细审查每一步
• 及时发现问题
• 理解代码结构

---

实践三：审查代码，不要盲信

AI 生成的代码，必须审查。审查重点：

1. 安全性检查

# ❌ AI 可能生成的危险代码
query = f"SELECT * FROM users WHERE id = {user_input}"

# ✅ 应该改成参数化查询
query = "SELECT * FROM users WHERE id = %s"
cursor.execute(query, (user_input,))

常见安全问题：

• SQL 注入：检查所有数据库查询
• XSS：检查用户输入的渲染
• 敏感信息泄露：检查日志、错误信息

2. 性能问题

# ❌ N+1 查询问题
for user in users:
    orders = get_orders(user.id)  # 每次循环都查询

# ✅ 批量查询
user_ids = [u.id for u in users]
orders = get_orders_by_user_ids(user_ids)

3. 错误处理

# ❌ AI 可能忽略错误处理
def get_user(id):
    return db.query(User).get(id)

# ✅ 完善的错误处理
def get_user(id):
    try:
        user = db.query(User).get(id)
        if not user:
            raise NotFoundError(f"User {id} not found")
        return user
    except DatabaseError as e:
        logger.error(f"Database error: {e}")
        raise

4. 边界条件

• 空值处理
• 数值溢出
• 数组越界
• 并发问题

---

实践四：让 AI 解释代码

在审查时，如果不确定某段代码的作用，直接问 AI：

请解释这段代码的逻辑，以及可能的边界问题

或者更具体：

这段代码在高并发场景下会有什么问题？

让 AI 自己审查自己，往往能发现问题。

---

实践五：善用上下文

在 Cursor 中，善用上下文可以大幅提高代码质量：

使用 @符号

• @file main.py：引用特定文件
• @folder src/：引用整个文件夹
• @code：引用选中的代码
• @docs：引用项目文档

示例

参考 @file models/user.py 中的 User 模型，
写一个用户注册 API，字段要和模型保持一致

这样 AI 会：

1. 读取 models/user.py
2. 理解字段定义
3. 生成匹配的 API

---

实践六：写测试，再让 AI 改代码

一个高效的流程：

1. 写测试用例

def test_login_success():
    response = client.post("/login", json={
        "email": "test@example.com",
        "password": "correct_password"
    })
    assert response.status_code == 200
    assert "token" in response.json

2. 让 AI 实现功能

实现登录 API，让它能通过上面的测试

3. 运行测试，发现问题

测试失败，错误是密码验证不通过，请检查

4. 让 AI 修复

这个流程的好处：

• 测试即文档
• 回归有保障
• AI 有明确的"正确答案"

---

实践七：建立代码规范

让 AI 遵循你的代码规范：

创建规范文件

在项目中创建 .cursorrules 文件：

# 项目代码规范

## 命名约定
- 函数：snake_case
- 类：PascalCase
- 常量：UPPER_SNAKE_CASE

## 注释要求
- 所有公开函数必须有 docstring
- 复杂逻辑添加行内注释

## 错误处理
- 所有 API 必须有 try-except
- 使用自定义异常类

## 日志
- 使用 structlog
- 记录请求 ID

在 Prompt 中引用

遵循 .cursorrules 中的代码规范，写一个用户服务类

---

实践八：保持代码简洁

AI 有时会过度设计。你要做减法：

过度设计的信号

• 不需要的抽象层
• 过早的优化
• 用不到的设计模式
• 过于复杂的配置

简化的原则

1. YAGNI（You Aren't Gonna Need It）：不需要的功能不要提前写
2. KISS（Keep It Simple, Stupid）：保持简单
3. 最小可行方案：先跑起来，再优化

让 AI 重构：

这段代码过于复杂，请简化：
1. 去掉不需要的抽象
2. 使用更直接的实现
3. 保持功能不变

---

实践九：版本控制

使用 Git，为 AI 写的代码负责：

推荐流程

# 1. 创建功能分支
git checkout -b feature/user-login

# 2. AI 写代码...

# 3. 仔细审查后提交
git add .
git commit -m "feat: 添加用户登录 API"

# 4. 运行测试
pytest

# 5. 合并到主分支
git checkout main
git merge feature/user-login

Commit 规范

建议使用 Conventional Commits：

• feat: 新功能
• fix: 修复 bug
• refactor: 重构
• docs: 文档更新
• test: 测试相关

---

实践十：持续学习

AI 编程不是一劳永逸，需要持续学习：

学习路径

1. 基础：编程语言、数据结构、算法
2. 框架：主流框架的设计理念和最佳实践
3. 架构：设计模式、系统设计、性能优化
4. AI 协作：Prompt 技巧、工具使用、效率提升

学习资源

• 官方文档：永远是第一选择
• 开源项目：学习优秀代码
• 技术博客：了解前沿实践
• AI 辅助：让 AI 解释概念、写示例

---

总结：AI 编程的黄金法则

法则	说明
你负责	需求、架构、审查、测试
AI 负责	生成、解释、重构、优化
Prompt 决定上限	花 5 分钟写好 Prompt，省 1 小时调试
分步迭代	小步快跑，及时验证
必须审查	AI 会犯错，你要兜底
测试为王	有测试，才敢重构
保持简洁	简单的代码是最好的代码
版本控制	Git 是你的安全网

---

结语

AI 编程不是魔法，而是一门手艺。

好的工匠会用最好的工具，但工具不能替代工匠的技艺。

AI 让编程更快，但不会让编程更简单。 你仍然需要思考、设计、审查。

如果你能做到这几点，AI 就是你最强大的编程伙伴。

---