开篇
中级开发者学习 AI 编程，最容易走偏的方向是不断换工具、收集 Prompt，却没有形成稳定的工程能力。
真正的升级，不是"让 AI 写更多代码"，而是逐步做到：
text
能说清问题
↓
能设计协作流程
↓
能在真实项目中控制改动
↓
能对交付结果负责这篇文章给出一条实用路线图。你不需要一次掌握所有能力，只要找到当前所处阶段，把下一步练扎实。
一、先判断你在哪个阶段
| 阶段 | 你的典型状态 | 下一个目标 |
|---|---|---|
| L1：辅助使用 | 会让 AI 写函数、解释报错 | 给出完整上下文和验收标准 |
| L2：工作流协作 | 会用 AI 拆需求、写方案和测试 | 把任务拆成可验证的小步骤 |
| L3：项目协作 | 能让 AI 阅读代码库、修改多个文件 | 控制修改范围并保持接口兼容 |
| L4：交付主导 | 能用 AI 参与完整交付闭环 | 在风险、质量和效率间做决策 |
不要把 L1 看成"初级"。很多开发者长期停在 L1，不是能力不够，而是每次都只让 AI 解决一个孤立问题。
二、L1：从"帮我写"到"帮我完成一个明确任务"
这一阶段最重要的能力，是把模糊要求说具体。
低质量提问：
text
帮我优化这段代码。更可靠的提问：
text
请审查下面的订单金额计算函数。
目标：
- 提高可读性。
- 检查明显边界问题。
限制：
- 不改函数签名。
- 不新增依赖。
- 先列问题和依据，不要直接重写。
验证：
- 保持现有单测通过。L1 的验收标准很简单：
text
AI 输出后，你能回答：
它解决了什么问题？
它改了哪些行为？
我如何证明它没有改坏？如果这三个问题答不上来，就不要急着把代码合进项目。
三、L2：从单次提问到稳定工作流
当你不再只让 AI 生成代码，而是让它参与需求、设计、实现和验证时，就进入了 L2。
一个常用闭环是：
text
需求澄清
↓
方案设计
↓
小步实现
↓
测试验证
↓
风险审查这一阶段的关键，不是 Prompt 更长，而是顺序正确。
以"增加订单导出功能"为例：
| 阶段 | 让 AI 做什么 | 开发者确认什么 |
|---|---|---|
| 澄清 | 列歧义、边界和待确认问题 | 权限、数据量、文件格式 |
| 设计 | 输出接口和任务拆分 | 方案是否符合现有架构 |
| 实现 | 按文件给出最小改动 | 是否改了无关模块 |
| 验证 | 设计成功和失败场景 | 测试是否覆盖业务风险 |
| 审查 | 列安全、性能和维护性风险 | 问题是否有真实依据 |
L2 的练习：选一个真实但低风险的需求，要求 AI 先输出任务清单。只有任务和验收标准确认后，才允许它写代码。
四、L3：让 AI 在真实代码库中协作
到了 L3，问题不再是"一个函数怎么写"，而是"在这个项目里，改哪里才不会影响其他模块"。
需要补齐的上下文包括：
- 项目技术栈、启动方式和测试命令。
- 相关目录、模块职责和调用链。
- 当前需求、非目标和外部接口约定。
- 允许修改的文件范围。
- 已知风险和必须通过的测试。
我会这样向 AI 下达项目任务：
text
请先阅读以下目录和文件，梳理订单导出功能的调用链。
输出要求：
1. 相关模块及职责。
2. 请求从入口到数据查询的路径。
3. 现有权限校验位置。
4. 建议修改的最小文件集合。
5. 每个文件的修改风险。
先不要写代码。等我确认范围后，再给出补丁和测试建议。L3 的验收标准是：
text
改动范围可解释。
接口契约没有被悄悄改变。
测试覆盖本次风险。
出现问题时可以快速定位并回滚。如果 AI 一次修改十几个文件，而你无法解释每个文件为什么要动，就应该退回到"先理解，再实施"。
五、L4：从代码生成者到交付负责人
L4 不意味着把所有事交给 AI，而是能决定哪些环节该交给 AI，哪些必须自己负责。
AI 可以先做：
- 汇总需求和代码上下文。
- 提出多种方案与风险。
- 生成测试场景、文档初稿和审查清单。
- 整理日志和故障假设。
- 自动化重复的开发动作。
开发者必须负责：
- 业务规则和优先级。
- 架构取舍与高风险变更。
- 权限、金额、数据迁移和生产配置。
- 测试结论、上线决策和最终验收。
L4 的核心能力是风险分层：
| 风险等级 | 典型任务 | 协作方式 |
|---|---|---|
| 低 | 文档、样板代码、局部测试 | AI 先完成，人工快速验证 |
| 中 | 业务接口、小范围重构、排障 | AI 分析，人工确认后修改 |
| 高 | 权限、金额、迁移、线上配置 | 人工主导，AI 仅辅助分析和检查 |
这也是中级开发者和"只会调用 AI"的差别：前者能对结果负责。
六、30 天后，下一步怎么练
不需要再刷更多 Prompt。建议从一个持续项目开始，每周选择一个能力重点：
text
第 1 周：把一个常做任务固化成工作流。
第 2 周：给工作流补上测试和验收清单。
第 3 周：让 AI 参与一个真实模块的小范围改动。
第 4 周：复盘一次失败或返工，更新规则和 Prompt。每周只记录三件事：
text
AI 帮我节省了什么时间？
AI 在哪里给出了错误或不完整的建议？
下次我应该补充什么上下文和验证？这比收藏一百个 Prompt 更能积累个人能力。
总结
给中级开发者的 AI 能力升级，可以浓缩成四步：
text
L1：明确任务，验证单次输出。
L2：建立流程，分阶段协作。
L3：理解项目，控制改动范围。
L4：管理风险，对交付结果负责。- 不要用工具数量衡量 AI 能力。
- 每次升级，都要增加更清晰的上下文和更可靠的验证。
- AI 可以放大开发者的效率，但不能替代工程判断。
- 真正的目标，是形成一套可持续迭代的 AI 开发系统。
下一篇文章，我们将为这 30 天做一次完整收口：
《30 天总结：从"会用 AI"到"拥有 AI 开发系统"》
✍坚持原创，求关注，点赞，收藏