分享一点 AI Coding 超好用的技巧
目前 AI Coding 最大的短板,LLM 上下文有限,AI 对项目整体架构了解不够多,就会导致 AI 总是偏向于局部最优解,但不是总体最优,生成的代码到最后往往会出现比较难维护。
怎么解决?就四步!
1. 提供更丰富上下文 不是塞更多的东西给大模型,而是在有限的上下文塞更重要的东西,比如按层次维度提供:产品功能图,架构图,模块图,领域语言,关键组件或者方法封装。
2. 提供宪法级别的核心基准 2.1 整体架构优先于临时方案打补丁 :同一问题若能在正确的层(数据源头、公共组件、类型定义)一次解决,就不要在调用方逐个加补丁、加特例、加兜底。 2.2 看不清就扩大阅读范围 :架构归属不清晰时,先把相关的上下游文件(调用方、数据源、同类实现)读完再动手,不要凭当前文件的局部视野决定方案。 2.3 最小化改动 :读的范围要大,改的范围要小。 2.4 提供好的架构级别的代码实例。 其他一些按项目实际情况酌情添加 3. Harness 让 AI 快速意识到自己写得不符合,而不是写完才发现,尤其到 Review 阶段才知道就晚了,所以要加单元测试,例如 TDD,E2E。
4. 人 Review 人的注意力有限,只 review 架构和核心模块,细节不要理太多,如果时间够多,也可以 review 细节。