AI 輔助開發最佳實踐：從實踐經驗談起

雖然我還沒有完成一個大型的 AI 輔助開發項目，但我想分享一下到目前為止從與 AI 合作開發中學到的經驗。

基本開發方法

在與 AI 合作時，試圖一次性實現所有功能可能會導致意外問題和項目停滯。因此，從核心功能開始，一步一步穩紮穩打地構建每個功能是更有效的方法。

這種方法之所以有效，是因為通過核心功能的實現，你可以將你理想中的設計和編碼風格具體化為實際程式碼。向 AI 傳達項目願景的最有效方式就是通過反映你的標準和偏好的程式碼本身。

從核心功能開始，確保每個功能在進入下一個功能之前都能正常工作，這樣整個項目就能保持一致性，使 AI 更容易生成更合適的程式碼。

將程式碼分解成更小的模組至關重要。根據經驗，將文件限制在 250 行左右的程式碼使得向 AI 提供清晰的指示更容易，並使試錯過程更有效。雖然令牌計數會是更準確的指標，但對人類開發者來說，行數更容易判斷，所以我們使用行數作為參考。

這不僅僅是關於前端、後端和數據庫等大單元的分離，而是關於更精細層面的功能劃分。例如，在一個功能內部，也要將驗證、錯誤處理等具體功能分離成獨立模組。

當然，大單元的分離也很重要，逐步實施模組化方法不僅讓指令更清晰，也讓 AI 能生成更合適的程式碼。這種方法不僅對 AI，對人類開發者來說也是有效的。

我認為測試在 AI 輔助開發中尤為重要。測試不僅作為質量保證手段，還作為清晰展示程式碼意圖的文檔。當要求 AI 實現新功能時，現有的測試程式碼有效地充當了規範文檔。

測試也是驗證 AI 生成程式碼正確性的絕佳工具。例如，當讓 AI 為某個模組實現新功能時，預先編寫測試用例可以客觀評估生成的程式碼是否符合預期。這與測試驅動開發（TDD）的理念高度契合，在與 AI 協作時特別有效。

在實現大規模功能之前，建議先與 AI 討論計劃。整理需求並考慮架構可以使後續實現更順暢。先整理需求，然後在新的對話中進行實現是個好方法。

此外，AI 的輸出必須經過人工審查，並在必要時進行調整。雖然 AI 輸出的質量通常處於中等水準，但與從頭開始編寫程式碼相比，仍然可以提高開發速度。

通過實踐這些方法，你可以充分發揮 AI 的優勢，同時構建一個連貫的、高質量的程式碼庫。即使項目規模增長，每個部分都能保持清晰定義和易於管理的狀態。