AI 软件开发所需的基础知识

AI 是一种工具。它并不能取代你在架构或工程方面的知识。

不要让 AI 代替你做决策。你必须定义所有的功能性和非功能性需求。要具体，要关注每一个细节。

低廉的模型往往会导致更多的工作量。它们会产生错误，而你之后必须去修复这些错误。这会浪费你和团队的时间。对于专业工作，请使用具有高推理能力的模型，如 Opus 或 GPT。

你使用的工具至关重要。使用运行在你本地计算机上的 AI Agent。运行环境会影响输出质量。例如，为 Opus 使用 Claude Code。更好的工具能从同一个模型中提取出更好的结果。

投资专业版方案。廉价方案仅适用于业余爱好。专业项目需要最顶尖的模型和高使用额度。

每个项目都需要一个 CLAUDE.md 或 AGENTS.md 文件。保持简短。用英文编写。仅包含必要的项目信息。

遵循以下工作流以避免错误：

  • 创建分析文档。
  • 创建执行计划。
  • 审查计划。
  • 开始实施。

你的计划必须包含架构、验收标准和自动化测试。保持怀疑态度。在 AI 编写任何代码之前，要求它找出计划中的漏洞。

AI 只有在无视计划时才应该被视为失败。绝不应该因为你跳过了规划阶段而导致失败。

人工审查是强制性的。你对生产环境中的每一行代码负责。如果代码不安全或混乱，那是你的责任。

你的角色正在发生变化。你必须从任务执行者转变为架构师和技术负责人。在 AI 处理重复性工作时，你应该思考整个系统。

上下文就是一切。仅靠一个提示词是不够的。提供业务规则、架构和约束条件，以获得更好的结果。

永远不要在没有测试的情况下工作。要求 AI 在编写代码的同时编写测试。在每个周期结束后，务必运行测试、构建和 linter。

AI 加速了执行，但它不能取代判断力。你现在的主要工作是做出良好的工程决策。

不要仅仅因为代码能运行就接受它。要追求可读性、安全性和简洁性。

利用专业技能在公司内部实现提示词的标准化。这可以保持所有项目在质量和架构上的一致性。

如果你觉得规划和测试太麻烦，那就不要使用 AI 进行开发。如果没有这些步骤，你只会创造出低质量的代码和技术债。

责任始终在你身上。不要因为代码写得烂而责怪 AI 或工具。公司会向你问责。

Source: https://dev.to/andredarcie/o-minimo-que-voce-precisa-saber-para-desenvolver-software-com-ia-1dc9

Optional learning community: https://t.me/GyaanSetuAi