北京
去年Stack Overflow調研顯示，76%的開發者現在用AI寫代碼。同一批人里，43%承認"AI生成的代碼在生產環境出過事"。工具普及了，但翻車率沒降。問題出在哪？
不是AI變笨了。是我們還在用問谷歌的方式問ChatGPT——扔進去一個模糊需求，期待魔法發生。結果拿到手的代碼要么過度設計，要么漏掉邊界情況，要么在最關鍵的地方埋雷。
這篇文章的原始素材來自一位全棧工程師的實戰復盤。他列了五個最耗時的錯誤，以及對應的prompt模板。我把它翻譯成中文語境下的操作手冊，順便加了點產品經理視角的毒評。
錯誤一：把AI當許愿池，不給約束條件
典型場景：你說"寫一個按姓名排序用戶的函數"。AI給你一段漂亮的快速排序實現——把5萬條記錄全塞進內存的那種。
產品經理視角：這就像跟設計師說"做個好看的按鈕"，然后收到一個帶粒子特效的3D擬物化怪物。需求模糊時，執行者只能往最復雜的方向猜，以此證明自己的價值。
修復方案用約束條件框死邊界：
「我需要按姓名排序用戶的函數。
約束條件：
- 數據量：約5萬條，PostgreSQL后端
- 必須用數據庫層排序，禁止內存操作
- 返回分頁結果，每頁20條
- 兼容現有User模型（id, name, email, created_at）
給出查詢語句和控制器方法。」
約束條件的本質是給AI畫牢籠。沒有牢籠，它就會表演——用你根本沒要求的復雜度，解決你根本沒提出的問題。
錯誤二：相信AI寫的測試，不驗證邊界情況
代碼能跑通，測試全通過，合并到主分支。然后邊緣情況開始爆炸——空數組、特殊字符、并發請求，一個接一個地炸。
這位工程師的prompt模板叫"驗證循環"：
「在給出最終版本前，完成以下步驟：
1. 列出3個可能破壞該函數的邊界情況
2. 為每個邊界情況寫測試
3. 用 mentally run（ mentally run 指在腦中模擬執行）的方式過一遍每個測試
4. 修復發現的失敗
5. 最后展示通過全部測試的最終版本」
這個流程多花30秒寫prompt，能省下幾小時的調試。核心邏輯是：AI不擅長替你想"什么可能出錯"，但擅長執行"列出可能出錯點"這個指令。
邊界測試的盲區是AI coding的系統性風險。模型訓練數據里，"能跑的代碼"比"健壯的代碼"多得多。它學的是平均水平，而生產環境要求的是99.9%的可靠性。
錯誤三：喂太多上下文，讓AI當偵探
ChatGPT的上下文窗口是4096個token。你扔進去3800行無關代碼，剩下296個token留給答案——輸出質量可想而知。
正確做法是做預分揀：
「這是auth.js的聚焦片段（第42-78行）。
問題：login()函數在密碼錯誤時仍返回200。
預期行為：憑證無效時返回401
實際行為：返回200并附帶空token
只修復認證檢查邏輯，禁止重構其他代碼。」
這個prompt的精妙之處在于"只修復"三個字。AI有強烈的重構沖動，尤其當你給它一大坨代碼時。明確禁止范圍，才能阻止它把手術變成解剖。
上下文管理是AI協作的隱藏技能。人類工程師的價值正在從"寫代碼"轉向"定義問題邊界"——包括告訴AI哪些信息相關、哪些動作越界。
錯誤四：驗收標準模糊，來回拉扯五輪
你說"做個REST API端點"。AI給了個能跑的版本。做完了嗎？你不知道，AI也不知道。你們來回扯皮五次，最后發現漏了錯誤處理、漏了測試、漏了文檔。
解決方案是驗收清單：
「構建POST /api/invoices端點。
完成標準：
- [ ] 驗證必填字段（amount, customer_id, due_date）
- [ ] 成功時返回201及創建的invoice
- [ ] 輸入無效時返回422及字段級錯誤
- [ ] 為上述每種場景包含測試
- [ ] 使用現有Invoice模型（禁止改schema）」
清單消滅模糊性。寫不出清單，說明你還沒理解任務到能委托的程度——不管是委托給人還是給AI。
產品經理的老話：如果你不能定義"done"，你就永遠在"doing"。AI加速的是執行，不是思考。思考的前置成本一點沒省，只是換了個支付形式。
錯誤五：該動手的時候動嘴
最隱蔽的時間浪費：花20分鐘打磨prompt，只為生成一個3分鐘就能手寫完成的數據庫遷移。
作者的原話很直接：「我現在遵循的規則是——最好的AI coding workflow，是知道什么時候不用AI。」
這個判斷沒有固定公式。經驗法則是：涉及單一文件、標準模式、無歧義語法時，手寫更快；涉及跨文件關聯、復雜邏輯推導、或你不熟悉的領域時，AI值得投入prompt工程。
AI coding的終極悖論：你越擅長寫prompt，越可能濫用它。技能變成了誘惑，讓你在每個任務前都猶豫"要不要問問AI"。
這位工程師的五個模板，本質上都在做同一件事——把AI從"創意伙伴"降級為"執行工具"。不給模糊空間，不讓它猜測，不期待它替你思考。
這種用法不夠性感，但省時間。而省下來的時間，你可以用來做AI確實做不好的事：理解業務、權衡 trade-off、在會議室里捍衛技術決策。
最后一個細節：作者在原文評論區補充說，他現在寫prompt前會強制自己先手寫偽代碼。"如果偽代碼都寫不出來，說明我對問題的理解還不夠委托給任何人。"
這個習慣的成本是5分鐘。收益是避免幾小時的返工。你愿意為這5分鐘買單嗎？
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
