AI “自动驾驶” 的使用分享

AI "自动驾驶" 的使用分享

一、开场：从 "AI 善后工程师" 说起

大家有没有遇到过这样的情况：

满怀期待地让 AI 帮你写代码，结果跑出来一堆问题，然后你花了大量时间去修改、调试、善后。最后发现，还不如自己写来得快。

这时候，你就变成了 "AI 善后工程师"。

我自己长时间使用以来的一些思考，就是如何跳出这个困境，让 AI 真正成为你的效率倍增器，而不是麻烦制造者。

二、问题根源：模糊的需求，模糊的结果

让我们看一个真实的对比案例。

模糊版本

复制代码

我想加个导出 Excel 的功能

结果会怎样？

虽然 AI 和 Spec 也能做，但这个跑出来的结果可想而知。AI 会做大量假设：

导出什么数据？哪些字段？
在哪个页面？什么时候触发？
文件格式怎样？命名规则？
有没有数据量限制？

不断的和 AI 拉扯"需求"，然后 AI 也一直被打断需要你不断的 "澄清" 事实。

AI 执行完成后，你发现 AI 生成的代码需要你不断的修改、补充、调整，就变成了 "AI 善后工程师"。

清晰版本

diff 复制代码

我想在顾问模块的对账单列表页添加导出 Excel 功能 

Ai 工作流：.windsurf\workflows\add-export-function.md
// 这是 "项目" 中定义的 AI 工作流，可以明确的给 AI 提供上下文信息 

业务背景：
业务每月需要将对账单数据导出给组长，现在只能手动复制，容易出错
 
功能描述：
- 在列表页顶部添加"导出 Excel"按钮
- 导出当前筛选条件下的所有数据（不分页）
- 导出字段：账单号、提交时间、状态...
- 文件名格式：x月对账单_YYYYMMDD.xlsx 

用户场景：
- 场景1：用户筛选了某个月份的数据，点击导出，得到该月份的 Excel 文件
- 场景2：用户未筛选，点击导出，得到所有数据的 Excel 文件 

技术偏好：
- 使用项目中已有的 exceljs 库 // 如果没有现成组件，可以明确给 AI
- 导出限制：最多 10000 条数据，超过提示分批导出

结果？

AI 能够一次性生成 70-80% 可用的代码，你只需要做少量调整和验证。

三、核心方法：如何跳出 "AI 善后工程师"？

1. 5W1H 原则

这是产品思维的基础方法，同样适用于和 AI 沟通：

Why（为什么）：业务背景、痛点
What（做什么）：核心功能
Who（谁用）：目标用户角色
Where（在哪）：哪个模块/页面
When（什么时候）：触发时机
How（怎么做）：技术偏好（可选）

2. 明确边界

告诉 AI 什么要做，什么不要做

复制代码

做：简单的关键字搜索
不做：复杂的高级筛选、搜索历史

这能避免 AI 过度设计，把简单问题复杂化。

3. 提供具体场景

不要说 "用户字段可以搜索"，而是

arduino 复制代码

场景：
1. 数据列表中，用户输入"张三"，点击搜索，看到搜索的结果。
2. 点击 "张三" 的数据项ID，跳转到详情页。

具体的场景描述能让 AI 理解完整的用户操作流程。

4. 说明优先级（如果有多个功能）

复制代码

P0（必须）：基础搜索功能
P1（重要）：搜索结果高亮
P2（可选）：搜索历史记录

这样 AI 知道先做什么，避免在次要功能上浪费时间。

现在 AI "分析" 能力强了不少，自然也语言可以工作，但如果你掌握一些 "提示技巧" ，确实能让 AI 生成更准确的提案，减少来回澄清的次数，提高效率。

四、理性认知：为什么说迷信 "AI 全自动" 能力是不好的做法？

我们应该追求的是 "效率增益" ，而不是 "一次完美完成" 的代码。

关键是考虑显著的实现上的时间节省。

AI 最适合的场景：

高重复性/模板化：如 CRUD、DTO转换、前端字段映射
高耗时：纯手工需要超过 2-3 小时的繁琐任务
低风险：非核心生产逻辑
易于验证：容易判断对错，修复成本低

AI 不适合的场景：

核心业务逻辑（需要深度理解业务）
复杂的架构设计决策
需要大量上下文的重构工作
安全敏感的代码（需要人工深度审查）

五、最佳实践总结

好的做法

明确定义任务范围 - 用 5W1H 描述清楚
聚焦 AI 擅长场景 - 重复性、模板化任务
鼓励先计划再编码 - 使用 OpenSpec 等工作流
提供项目上下文指令 - 通过工作流文件、项目文档
保留人工复核环节 - AI 生成，人工审查
充分利用自动测试 - 用测试验证 AI 代码的正确性

不好的做法

上下文臃肿，不加取舍 - 把整个项目塞给 AI
不写测试直接上 - 无法验证 AI 代码质量
无急停，任其失控 - AI 跑偏了也不及时纠正
忽视 AI 给出的安全扫描 - AI 提示的安全问题不重视
迷信 AI 全自动能力 - 期望 AI 解决所有问题
AI 代码不整理沉淀 - 生成的代码不规范化，技术债累积

六、结语：AI 是副驾驶，你是司机

AI "自动驾驶" 不是让你做甩手掌柜，而是

你负责方向：明确需求、定义边界、把握质量
AI 负责执行：快速生成代码、处理重复性工作
协同提效：在合适的场景下，发挥各自优势

记住：好的需求描述 = 好的 AI 输出

当你从 "AI 善后工程师" 变成 "AI 驾驶员" 时，你会发现效率提升不止一倍。

人机的高效协同，与 AI 结队编程应是当下最优解。、

版权声明：

本文版权属于作者林小帅，未经授权不得转载及二次修改。

转载或合作请在下方留言及联系方式。