可以把 AI 用在读代码、拆需求、排错、改功能和整理表达中，目标是让自己逐步做到：**跑起来、看得懂、改得动、讲得清。**使用范围与披露方式先按本校要求确认，下面给出一套实践方法。
✅ 项目源码及案例可参考：蓝象
1. 从一条调用链读懂项目
先整理 README、依赖版本、相关页面、接口和数据表，提供自己有权使用的必要材料，移除密钥和个人信息。
可以围绕一个具体操作提问：
根据已提供的文件，说明"提交报名"从页面到数据库的调用过程。标出文件路径、关键函数和依据；缺少材料就列出缺项，不补写不存在的实现。
对照源码逐项核对，再自己复述一次。遇到认证、事务等概念，让 AI 结合这个接口解释用途与取舍，再查对应版本的官方文档。
2. 把需求拆成一次小改动
以"活动报名增加截止时间"为教学例子，先明确规则：其他报名条件合法时，截止前允许报名，到达截止时刻即拒绝；未设置截止时间时，不受这条限制。比较时间采用项目统一的时间基准。
让 AI 先列出涉及的字段、服务端判断、接口返回、页面提示和测试，再提出最小改动。保存修改前的版本，查看实际差异，确认没有误改无关流程。
在测试中固定"当前时间"，检查截止前、恰好截止、截止后和未设置时间四种情况；被拒绝的请求不能新增报名记录。这些是待执行用例，不是本文实测。
AI 建议仍需审查和测试，GitHub 的 Copilot 使用说明也明确了这项要求。
3. 排错时，把证据给全
提供脱敏报错、复现步骤、运行版本、预期和实际结果，让 AI 区分"已有证据、可能原因、验证步骤"。
先验证一个原因，再决定是否修改。改后重跑原失败场景和相关正常场景，留下结果。测试的预期来自需求，不能为了让测试通过，跟着生成代码一起改变标准。
4. 论文和答辩，从真实材料提取
可以把已核对的需求、代码、数据表和测试记录交给 AI，辅助整理提纲、解释技术选择、润色表述，再逐项核对。
例如，截止时间功能应说明规则为什么在服务端判断、字段怎样保存、边界怎样测试；尚未执行的用例不能写成"测试通过"。
AI 也可能生成错误内容或虚构引用，NIST 的生成式 AI 报告讨论了这类问题。文献要打开原文核对作者、年份和论点，不凭生成的参考文献列表直接引用。
模拟答辩时，可以让 AI 追问："为什么前端倒计时不能决定报名结果？"自己回答后，再回到代码与测试记录验证。
先选一个接口，完成"解释、修改、验证、复述"。后续项目实践也可了解蓝象的项目实战方向。
本文由 AI 辅助整理，配图为脚本绘制的教学示意；未运行示例项目。