AI辅助编程的规划、版本控制与测试指南

第01页

规划流程

— 制定全面计划：首先与AI协作，在markdown文件中编写详细的实施计划
— 审查与优化：删除不必要的项目，对过于复杂的功能标记为“不做”
— 保持范围控制：单独保存后期想法分区，以保持专注
— 增量实施：逐节进行，而非试图一次性构建所有内容
— 跟踪进度：让AI在成功实施后标记完成部分
— 定期提交：确保每个工作部分在进入下一部分前已提交到Git

版本控制策略

— 严格使用Git：不要仅依赖AI工具的回退功能
— 从干净状态开始：每个新功能从干净的Git状态开始
— 遇到困难时重置：如果AI进入“异想天开”模式，使用git reset --hard HEAD
— 避免累积问题：多次失败尝试会产生层层糟糕代码
— 干净实施：找到解决方案后，重置并在干净代码库上实施

测试框架

— 优先高层测试：专注于端到端集成测试而非单元测试
— 模拟用户行为：通过模拟用户点击网站/应用来测试功能
— 捕获回归：LLM常会对无关逻辑进行不必要的修改
— 测试通过后再继续：确保测试通过后再进入下一功能
— 将测试作为护栏：一些创始人建议先编写测试用例以提供清晰边界

有效Bug修复

— 利用错误信息：直接复制粘贴错误信息通常就足够了
— 编码前分析：让AI考虑多种可能原因
— 失败后重置：每次修复失败后从干净状态开始
— 添加日志：添加战略性日志以更好了解情况
— 切换模型：当一个AI模型卡住时尝试不同模型
— 干净实施：确定修复方案后，重置并在干净代码库上实施