别让AI把你的仓库变成“代码垃圾场”
很多程序员把AI当成“神笔马良”，甩个需求就等着收货。结果几天下来，虽然功能实现了，但代码风格各异、命名全靠缘分，原本整洁的工程硬生生被AI喂成了“屎山”。在AI时代，工程规范不再是锦上添花，而是防止项目崩盘的救命稻草。
1. 结构化Prompt：拒绝“盲盒式”生成
想让AI产出高质量代码，你的指令必须像需求文档一样严密。别只说“写个支付接口”，试试「上下文+约束+输出」的模版：
- 上下文：我在用 Spring Boot 开发，当前处于订单模块。
- 约束：必须使用驼峰命名法，所有数据库操作需封装在 Service 层。
- 输出：代码中严禁出现硬编码，异常需统一抛出给 GlobalExceptionHandler。
2. AI排错：让它“角色反转”
遇到Bug，别只是复读机一样报错。我最常用的独家技巧是**“批判性审计”**：把代码丢给它，别问“怎么改”，问它“这段代码有哪些潜在的内存泄漏风险？”或者“如果QPS翻了十倍，这段逻辑哪一行最先崩？”让AI从“代写”变成“审查官”，它能帮你抠出那些隐藏极深的工程隐患。
3. 命名与注释：守住最后的底线
AI生成的代码往往会有很多毫无意义的变量名（如 data1, list2）。我的工程规范技巧是：“先定义接口契约，再让它填充实现。” 只要你把方法名、入参和出参的规范定死，AI就没法在你的地盘上乱涂乱画。
#AI Coding实战技巧#
