核心要点

  • 规范驱动：先给清晰需求、约束与上下文（相关文件、接口、风格），让 AI 在正确边界内生成，而非空泛提问

  • 小步生成 + 人审：拆成小任务逐段生成，每段都读懂、评审再合入，不一次性吞下大段不理解的代码

  • 把脏活交给 AI：让它写测试、样板、重构、文档；设计取舍、架构与安全边界自己把关

  • 不盲信输出：警惕幻觉 API、抄来的许可证不兼容代码、安全漏洞，统一过 lint / 类型检查 / CI / 评审

标准回答

给上下文，规范驱动

AI 的产出质量取决于输入。把需求、约束、相关代码、接口签名和代码风格讲清楚，必要时贴上现有实现作参考，让模型在正确边界内生成，而不是凭空发挥。

小步生成，人始终在环

把任务拆成可验证的小块逐步推进，每一段生成都要读懂、能解释、再合入。AI 适合写样板、单元测试、重构和探索性原型；但关键业务逻辑、架构取舍和安全设计必须自己理解和决策。

不盲信，靠工程闭环兜底

模型会编造不存在的 API、引入许可证不兼容或有漏洞的代码。所有 AI 产出和手写代码一视同仁地过 lint、类型检查、测试、CI 与代码评审，把"信任"建立在可验证的关卡上，而非模型的自信措辞上。

常见误区

⚠️ 常见踩坑

把 AI 当成可以无脑信任的"代写"，整段合入看不懂的代码；或反过来完全不用、错失效率。正确姿势是人审把关 + 工程关卡兜底，关键逻辑仍需自己真正理解。

追问

追问 1：哪些任务适合交给 AI 助手，哪些要谨慎？

适合：样板代码、单元测试、格式转换、机械重构、不熟悉 API 的探索、写文档和注释——这些有明确正确性标准、易于验证。谨慎：核心业务逻辑、并发与一致性、安全鉴权、性能关键路径，这些需要你理解全局取舍，AI 可辅助但不能替你做决策，且要重点评审。

追问 2：怎么防止 AI 生成的代码引入安全或许可证问题？

把 AI 产出纳入与人工代码相同的安全流程：静态扫描（SAST）、依赖与许可证扫描（SCA）、密钥检测、测试与人工评审都在 CI 中强制。对它建议的第三方库要核实来源与许可证，对涉及输入校验、鉴权、注入的代码段重点人审，不因为"AI 写的"就降低标准。

延伸学习

与本题相关的知识库文章、术语、工具与行业资讯。

📚 知识库

📖 术语表

🛠️ AI 工具

  • Claude Code

    Anthropic 官方 AI 编程助手，终端内运行的智能体编码工具，直接读取项目上下文并编写、调试、测试代码，支持 Claude Sonnet/Opus 4 模型，2026 年最热门的 AI 编码工具之一

🎯 相关面试题