AI编程时代，上古程序员们都支棱起来了。
我前前后后实践了一些项目（火火猫AI起名、人生穿越器游戏等），有一些心得总结了下，写下来分享给大家。
#我近期用得最多的是 Cursor + Codex 插件形态（之前用 Claude Code 更多一些）。主要还是一些基础功能，其他像“skill、agent”等能力还没怎么用。
总体感受：AI 编程能力很强大，而且越来越强。
就目前最新的模型而言，一个小的全新项目或一个新增需求，很多时候基本能一把搞定。UI 方面可能还需要反复调整，但后端往往更容易一次成型，的确很厉害。
不过，在AI编程时代，你可以不写代码，但软件开发、项目管理的基本流程、规范不能丢了，这些方面还是一样的。
在这些方面，人会犯的错，AI 也会犯。
下面就从基本原则说起。
【基本原则】
- 文档先行：不要以为说几句话就行了，对于稍微大一点的需求，尽量写入文档，而不是在对话里一句一句碎片化地说。 写文档，一方面也是自己梳理思路的过程，另外，不落到文档里，后面可能要反复给 AI 解释，很烦。 让你写文档，也不是要求一次性写完，而是先写个大概，再让 AI 来不断完善。
- 框架和基础组件先行：在开始一个新项目时，尽量先让 AI 确定基本框架、方法论、组件。不要让 AI 随便发挥，要不然会重复造轮子，错误码乱飞、硬编码遍地。而且 UI 方面会不一致，比如你会看到各种样式的按钮、对话框、页面等。
- 把 AI 用透，把订阅费用用扎实。
- 让 AI 画 UI：一开始，我会在产品方案的.md文档中，让 AI 画字符版UI 线框图，这样有助于尽早对齐基本的 UI。
后来我给Cursor安装了 Pencil插件，然后通过 MCP 调用来让 Pencil 直接出图。
这样，可以在画布上直观地看到UI界面，也可以拖拽调整。
Pencil会把UI样式存储在.pen的json文件。 当你对UI确认后，可以让 Codex 翻译成目标前端代码（比如web页面、小程序、uniapp 之类）。 - 让 AI debug：一开始遇到问题，我还试图自己看日志分析，后来懒了，要 Vibe coding 就彻底一些：直接把界面截图、错误信息粘贴给 AI，让 AI 自己分析。
更省事的方法是，给AI足够的线索和权限，让AI自己上。 比如，让前后端打印足够的日志，尤其是本地调试时更要让日志落盘、给 AI 数据库权限。 这样遇到问题，AI 就能自己检索日志、查询数据库，从而完成定位问题、改代码、验证的一条龙。 你再也不用频繁复制粘贴日志、数据内容了。 - 让 AI 自动做运维：在项目部署过程中，有很多后台页面需要操作，这个很麻烦。我也试过 ChatGPT Atlas，发现太慢了。 后来就考虑让AI用CLI命令操作，比如让AI用gcloud命令来操作Google Cloud的Cloud Run、Cloud SQL等。 这样，环境搭建、应用部署、甚至是数据操作（建表、测试数据处理等），都自动化了。 UI界面是给人用的、是低效的，AI需要的是CLI、API接口。 #这个世界总是在不断轮回，CLI/API→GUI→CLI/API ...
- 让 AI 写总结：公司里面，人要写总结，那我们也要让 AI 总结。将遇到的问题，让 AI 总结进
AGENTS.md中，沉淀为规则，防止再犯。 - 让 AI 并行工作：对同一个项目，可以开两个 workspace，比如分别是前端和后端修改专用，这样就可以同时使用 Codex 了（也减少一个窗口里上下文混乱）。
【谨防 AI 捣乱】
- 害AI之心不可有，防AI之心不可无。
- AI 搞丢代码：记得要及时对修改进行暂存、提交。要不然被AI改坏了，就白干了。
另外，如果一个文件 AI 修改后，你又手动修改了，要明确告诉 AI 重新读取该文件。否则它下次可能按旧内容继续改，覆盖了你的手动修改。 - AI 不写注释：人懒得写注释，AI 也同样。所以要叮嘱 AI 多写关键注释，方便人和它自己后续理解——AI 经常通过关键字搜索定位代码入口。
- AI 搞几千行的大文件：大文件人难读，AI 也一样。所以，要吩咐好AI，最多不要超过一定行数。如果一不留神文件太大了，尽量进行分拆。
- AI 想当然用错变量、接口：这个现象尤其是在使用第三方API的时候，经常出现。因此，如果使用到第三方 API，一定要让模型直接引用官方文档，不要想当然。 #可以使用 Context7 这类“官方API文档”的工具。
【Debug】
- 还是要多打日志。无论是前端还是后端，都要有充足的日志。这样才能精确地刻画出发生了什么、数据是什么、返回是什么等。
- UI 调试，试试辅助线。UI 问题是非常多的（各种对齐、错乱等等），很耗时。有一阵我在前端耗费的时间精力几乎占90%。后端基本上都是一稿过，前端反复改都不行。 这是因为后端解决的问题往往很明确，尤其是数据的增删改查什么的，基本上一看代码就能理解。但对于前端，你很难一看HTML/CSS/JS就能脑补页面的实际展示和行为。另外，UI 样式本身就是主观的，同一个功能有很多种UI方案，AI给的方案之一，所以可能并不满足你的期望。 因此，导致UI调整很费神。 对于UI对齐、错乱等难搞的细节调整，我使用的一个技巧，就是，让AI画布局/边界辅助线或背景色块。这样让你和AI真实了解到UI的实际结构和表现，避免理解错、或者AI操作错对象。 另外，要多问问 AI，“这个问题是不是因为父级、继承样式造成的”，有些问题是这个原因造成的。
- 多个工具并用：如果遇到疑难杂症，不要只守着一个AI伙计。Codex 实在搞不定，就用 Claude Code、Antigravity等。当然，这需要开更多账户、花更多钱。
- 重启大法依然有效：
有时候，明明感觉各方面都是对的，但还是不行。
这时，尝试下重启大法。
比如微信开发者工具、HbuilderX这类工具，我多次遇到了重启就好了的情况。
【提示词】
在 AI 应用开发，肯定离不开调用大模型、写提示词，也就是 prompt engineering。 - 提示词规则要具体、明确，不要泛泛而谈。说规则也要举例子，方便模型学习（one-shot/few-shot)。
注意：如果涉及敏感词相关，不要堆太多例子，谨慎举例，避免提示词本身触发模型风控。 - system prompt 与 user prompt：
这两个提示词分别写什么？
一个简单的原则是：不变的规则写入 system prompt，变化的内容写入 user prompt。
System prompt：给模型的“最高级规则/角色设定”，决定你是谁、做什么、用什么原则做事、哪些不能做；优先级最高。
User prompt：用户当下的具体需求/问题/指令，告诉你“现在要做什么、本次任务的参数输入是什么”。 另外，拆分变与不变，也有利于缓存命中与复用（因此，不要在 system prompt 插入变量）。 - Token 缓存：DeepSeek v3.2 token 价格已经很低了，如果大部分 token 被缓存会让成本进一步下降。但我发现只有 Deepseek 官方API的缓存有效，其他火山引擎、Novita 之类，缓存计数字段永远返回是 0，不知道怎么回事。
- 君子一言驷马难追：如果没有使用推理模式，要让模型更“听话”：就是要让它的输出中包含指令的确认和复述。否则，你会碰到明明提示词里面写的很清楚了，但它就是不遵守。 这个其实就是利用思维链的本质，还是Next Token机制。 对于复杂问题、没见过的问题，让模型直接给出答案，那答案很可能不靠谱、很可能是幻觉。 但让模型输出问题思考过程、复述对提示词中任务的理解，就是在利用“next token”与之前的输出的“自洽”逻辑，进而实现了问题的解决、规则的遵守。
- JSON 输出：为了让系统处理模型返回内容，一般都要求 JSON 对象这样的结构化输出。但你会遇到几种问题，最常见的就是带```json markdown 标记，或者内容里面有英文双引号，导致 json 解析失败。 对策：在提示词中强调不要使用 markdown、内容中双引号要转义。但模型偶尔还是不听，所以你需要做一个兜底，比如过滤掉 markdown 格式标记等。
【其他】
- API key：推荐按项目、按开发/测试分开创建，这样方便管理，也方便分开查看成本与用量。
- 让模型“找到回忆”：下次打开项目时，找到相应的 task 历史，加载上下文。话说Codex 不能对历史会话命名，这个很不方便，只能用它总结的标题。
- 云费用：我刚开始用Google Cloud做开发测试时，Cloud SQL 随手选个配置，发现一天消耗几十美金，人家送的几百美金几天花了很多。后来改了下配置，变成每天几美金、甚至不足一美金。
- 苹果IAP内购定价：苹果IAP内购项目不能任意定价（必须在它的价格列表中选择），这个要注意。
- 防薅羊毛：国内羊毛党盛行，国外也是。之前出现有国外用户反复删除、注册账号，来薅新用户权益的羊毛。
【结语】
AI能力日新月异、突飞猛进，我们要做的是多体验、多融入。 有想法，别犹豫，召唤AI，创造起来！
最后，欢迎体验我们Vibe coding出的人生穿越器微信小游戏（微信搜索“人生穿越器”）：一键回到小时候，重走人生路，或者体验任何有趣的角色。 海外用户，可在Google Play或者苹果 Appstore下载 LifeLife App。
关注作者：
- 公众号：八点三十五
- X/twitter：zhubaining001
