人不自己写代码,而是当 “AI 团队领导”,指挥各种 AI 工具协作完成编程,靠这招提升效率、拓展能力。
AI编程的具体步骤是什么?
进行 AI 编程的具体步骤
AI 编程核心是 “人当 AI 团队领导,指挥 AI 协作完成开发”,具体步骤可分为 8 个关键环节,每个环节均围绕 “不自己写代码,聚焦决策与协调” 展开:
1. 明确角色分工(准备阶段)
先确定 AI 团队与自身的职责边界:AI 团队包含 Chatbot(承担架构师 + 研究员角色,负责出思路、查资料)、Copilot(承担程序员 + 文档员角色,负责写代码、出报告)、LLM API(承担处理器角色,负责处理具体任务);自己则作为 “Mastermind(总策划)”,负责定方向、做关键决策、协调 AI 间沟通,不参与具体编码工作<RichMediaReference>、。
2. 配置 AI 行为规则(准备阶段)
通过 “系统提示词(System Prompt)” 自定义 AI 的输出规范,比如要求 AI 生成 “简洁可读、模块化的代码”“用注释说明设计意图”“提取硬编码值到配置常量”,确保不同 AI 成员的输出风格一致,减少后续调整成本<RichMediaReference>。
3. 规划项目需求与技术栈
第一步先构思项目核心想法(如 “做一个读取日志并统计异常的工具”);接着将想法同步给 AI 架构师(Chatbot),与其讨论需求细节;再让架构师推荐适配的编程语言(无需局限于自己掌握的语言,AI 团队可处理任意语言)<RichMediaReference>。
4. 让 AI 生成 “编码提示词”(核心环节)
不直接让 AI 写代码,而是先让 AI 架构师编写 “给 AI 程序员的编码提示词”(比如 “用 Python 写一个日志读取函数,需支持.txt/.log 格式,统计‘Error’‘Warning’关键词出现次数,输出 Excel 报告”);自己先审查这个提示词是否覆盖需求,确认后再传递给 AI 程序员,避免 AI 直接编码导致方向偏差<RichMediaReference。
5. 生成代码并初步审查
AI 程序员(Copilot)根据提示词生成代码及实现报告后,自己聚焦 “需求匹配度” 审查 —— 比如检查代码是否覆盖 “统计两种关键词”“输出 Excel” 等核心需求,无需逐行核对语法,重点看功能是否对齐目标<RichMediaReference>。
6. 协调沟通与及时干预
作为 “AI Prompt Router(提示词路由器)”,协调 AI 团队间的信息传递(如把架构师的修改意见同步给程序员);若发现 AI 偏离方向(如代码未支持.log 格式),立即干预并补充提示(“需新增对.log 文件的解析逻辑,处理空文件场景”)<RichMediaReference>。
7. 测试与迭代优化
将 AI 生成的代码投入运行环境测试,观察是否有报错或功能缺失(如空日志文件导致崩溃);把问题反馈给 AI(“代码在空文件时会报错,请添加空值判断”),让 AI 优化代码;反复迭代 “测试 – 反馈 – 优化” 流程,直到代码满足需求<RichMediaReference>。
8. 版本控制保障安全
用 Git 等工具频繁提交代码,把每一轮 AI 生成的版本都记录下来;若 AI 修改后引入新问题(如优化空文件处理时破坏统计逻辑),可快速回滚到上一可用版本,避免因 AI 失误导致项目 “失控”<RichMediaReference>。
1. 核心逻辑:不是 “用 AI”,是 “领导 AI 团队”
AI 团队有分工:Chatbot 当 “架构师 + 研究员”(出思路、查资料),Copilot 当 “程序员 + 文档员”(写代码、做报告),LLM API 负责 “处理具体任务”。人的角色是 “总策划”:定项目方向、做关键决策、协调 AI 之间的沟通,AI 跑偏了就及时纠正,不用自己埋头写代码。
2. Vibe Coding 不是 “躺平”,是需要技巧的硬技能
关键要求:得知道 AI 能做啥、不能做啥,会用 “提示词” 指挥 AI,还得给 AI 分配合适的任务。核心技巧:
不直接让 AI 写代码,先让它出 “写代码的提示词”(相当于让 AI 先做计划,方便你审查);第一次就把要求说透(“一击即中”),因为 AI 重构代码很麻烦;用 Git 这类工具做版本控制,AI 出错了能回滚,放心大胆试;给 AI 设 “规则”(系统提示词),比如让它写简洁的代码、加必要注释,保证输出一致。
3. 怎么选 AI、调 AI?
按任务选模型:简单重复的活(比如数据提取)用便宜的 GPT 5 Mini,复杂编程(比如设计算法)用贵的 Claude Opus 4.1。调 “AI 温度” 控制创造力:要靠谱代码就调低温(0.1-0.4),要 brainstorm 就调中温(0.5-0.8),想找灵感就调高温(0.9+)。解决 AI “记不住” 的问题:聊天聊到一个阶段,让 AI 总结一下,再开新聊天粘贴总结,既不丢上下文,又不卡。
4. 能带来啥好处?
效率翻倍:比如解决 AUTOSAR 相关的编程错误,以前要几天,现在靠 AI 工具几分钟就能搞定;能力升级:不管啥编程语言,AI 都能搞定,普通人能快速变成 “全栈工程师”;灵活度高:能实现以前自己不会写、写不了的项目。
总结下来,文档就是教程序员适应 AI 时代 —— 别跟 AI 抢着写代码,而是学会当 AI 的 “领导”,用对方法和工具,就能靠 AI 实现前所未有的 productivity 和能力突破。



















暂无评论内容