@
thawne 其实对于人而言,这个场景也可能会遗漏掉难以发现的边界条件,AI 并不能彻底解决这个问题。
回归到实际开发之前,我们先来不切实际的想一下怎么能让 AI 避免这个问题:在 AI 动手之前告诉他 “这里、这里,还有那里,有一个边界条件,开发时需要额外注意一下”,本质上又回到了一个上下文的问题,而不是一个代码层面的问题,如果你能给大模型提供这个信息,他就可以解决好你的问题。
那么到了实际开发中,只能是说以多年开发的经验,对这个领域场景的了解,虽然你不知道这块具体的代码实现是什么样的,你很清楚这里会有坑点,或者这里有边界条件、硬逻辑,然后直接提供到上下文里,让他注意一些,(这也是为什么产品或者其他领域的人虽然可以用 AI 快速产出 demo ,但是无法产出生产级项目的原因之一)。那如果说你也拿不准这块可能有什么问题,只要你能意识到这块复杂、这块可能有问题,那么就让大模型多去收集上下文信息,唯有信赖他了。至于一些类似于 Spec 驱动、Deep Module 之类的方法论,或者说传统的软件工程的各种,也只是一种方法,也并不是说能彻底解决这个问题的法子。
另外,在 AI 时代,写代码是成本非常低的一件事情,纠结之前,先起一个 claude code 让他实现一版,亲自看看效果,有问题直接回滚,然后把这次实现发现的问题,作为上下文补充进去,就像是玩游戏死了回档一样。
你可以完全不看代码,但你要清晰的知道你对这个场景/领域/功能的解是什么样子的。