2

要么是 指令太模糊 要么是模型质量不高,这种情况下就要缩小范围或者拆分目标了

3

1

现在还处于人与 AI 协作的探索期。
AI 还不能完全替代人类，但又有一定程度的增强，如果让 AI 介入过多，就会出现你这种情况，AI 介入过少，就提升不了效率。所以都还在探索，怎么样让 AI 介入开发流程的最佳实践

4

因为测试，产品都是人，这个按钮不对，那个东西要隐藏，AI 每次开始就是让我先找下文件，让我读下文件，然后找到问题了，然后开始修改

5

看什么场景了 能一眼看出问题 直接上手修是比让 AI 分析再修来的快

6

1

你不会就让野生的 AI 直接写把。野生的 ai 写的代码没法用。只会写出一堆屎山代码。
写代码的 ai 是一只猫🐱，你要慢慢的养。每天还要铲它写出来的屎山代码。然后你要教它。
ai 写代码是一个由慢到快的过程。前几天，或者前几周是很慢的。你得让它生成出来之后，再生成单元测试。然后你慢慢的一行一行的读。发现什么问题就让它记录到 CLAUDE.md 里面去作为 Never 段的内容。然后你可以添加 ARCHITECTUR.md 等很多文件，具体看社区版的上下文治理。
养一个月就差不多了。然后它写代码就很快了，你慢慢的就可以不怎么看了。
至于为什么是 CLAUDE.md 而不是 AGENTS.md 。那是因为除了 claude code 以外的都是垃圾，是无法驯服的傻鸟🪿

7

要确定每次修改的目的、边界、可量化的验收标准，收敛每次的问题，这样才能控制住，想要一把梭不现实；
始终相信，只要 ai 有了足够的背景知识，人工和 ai 确定了方案+再给它一定的约束，它生成的代码质量、生成速度是远超人类的

8

先表示下用 的什么 ai +1
用 SOTA 模型（ GPT 5.5/Opus 4.7 等）和用普通模型结果天差地别。

9

第一，你用的什么模型？第二，你用的什么 Harness 工具？

10

11

目前为止用 AI 最顺手的一个功能：
对接第三方平台 API 、SDK ，有时候对方只有 py 版或其他，没有我需要的本语言，我就把他 py 的 demo 下载扔给 AI 翻译成本语言。
这种做法还原的准确度还挺高的，我基本不用修改。

13

显然 AI 时代如何让 AI 产出符合需求（不只是通过编译）的代码是这个时代最重要的技能，比学编程语言背 api 重要的多，

14

@lel020 感觉这能力挺难的,需要对项目有一定的控制,需要很好的去引导 AI,一次也不能改太多,是个技术活.

15

定义好 harness 和 scope 基本很快

16

语言翻译很快，从 0 开始写小工具很快，从头搭一个复杂项目需要边写边改。不仅是 harness 影响，算力紧张环境下官方也在降智。

17

你要这么想,ai 是基于人类已有的知识训练的, 所以 ai 能做到的 人一定能做到(生成文本这块),就是人能做到的概率低速度慢, 但是 spec 上不会有任何区别. 给人重写系统的时候,你要先确定好原系统实现的功能, 有什么模块, 每个模块都是干什么的(这个部分不知道了就问 ai), 你打算通过重写改进哪些瓶颈实现哪些模板, 从哪开始, 如何验证重写完成前后系统的一致性. 全定好了 把这些东西再交给 ai 做, 又不能直接 git clone, claude init ,然后说帮我重写.

18

当面对一座不是自己写的屎山的时候，我才不管 ai 改了多久

19

我也遇到了这个问题，重构一个大概 13w 行的包，必须古法的：整体架构、数据流，交给 AI 的：填充内容的部分，人为划分出小任务交给 ai 完成，并且用上 ai 脚手架，复利式迭代，让 AI 越用越懂项目

20

如果只是把 agent 当作 chatbox 那这个结果是可以理解的。好像从 op 的描述没看到基本的 coding test review 的 loop ，只是让 agent 写 不设定边界，没有沉淀文档资产，agent 也没有验收锚点，结果就是到处发散