我最常用的 AI Coding 小技巧：先给边界，再让它动手

没想到准备还不到位，竟然是考AI提示词工程，读题我都读半天

作为天天和算法、研发撕需求的AI产品经理，我虽然不是程序员，但我可能是全公司用AI写代码频率最高的人之一——写SQL取数、写Python脚本处理数据、写伪代码跟研发对齐思路、甚至写简单的自动化工具给自己提效。今天不聊面试题，聊聊我怎么让AI给我写出能跑的代码。一、先说结论：我用AI写代码的频率有多高？每天。作为PM，我日常需要：从Hive里取数分析（写SQL）处理Excel搞不定的数据（写Python脚本）快速验证一个想法是否可行（写Demo级别的代码）甚至写一些自动化脚本，让自己少加班以前这些事得排队等研发哥哥有空，现在？AI就是我的7x24小时专属程序员。 虽然它写的代码不一定完美，但把“...

最近大厂都在推AI，赶这个风口，总得来说还是为了提效AI Coding看似是在考察Prompt，实则是考察结构化表达能力，面对复杂问题，如何拆解步骤，输入输出如何定义，选择什么样的方法解决。AI作为一个通用工具，会的多，但不精。上下文缺失/幻觉是常有的事做好AI coding，首先要明确AI定位角色，主要职责，再拆解任务，分步骤处理，一下子派个大任务很可能做到一半忘了前面。提供高质量的上下文，清晰，简练，过多上下文会造成认知负担，AI生成代码过于冗余，尽早进行干预，如删除无用代码，精简传参。对于AI幻觉（“别一直import你编的库”）导致的编译错误，可以要求给出参考文档，每个系统函数都要求有参考，禁止瞎编最后就是code review能力，快速识别问题，定位并解决，产出切实可运行的代码。

先说结论，我认为今年是否有一段暑期实习对秋招的影响会比以往都要大（甚至实习内容在不在ai应用的链路上都会有很大的区别）因为众所周知的原因，在年后所有的中大厂都开始推进代码ai率，而是否在实习会关系到两点：1.是否能关注到最前沿的有关于ai应用的实践 2.是否能在日常中去学习了解这些最前沿的技术就我暑期面的这么多场面试来说，越往后面试官明显对于agent llm skill mcp spec这些和ai领域有关的名词提问的占比越高，问的深度也越深，那么我们能从哪些地方去实际掌握到这些信息呢？最简单的来说，你如果在中大厂，你会主动/被动地开始学习并且使用这些最新应用，而且还有内部的技术论坛可以不断的有人教你最新技术的核心原理。但是假如说你不在实习的话，你想要了解这些信息就会困难很多。然而相比于了解和使用这些新技术，更大的差距在于实习可以在一个大的项目中总结经验，发现目前技术的缺点，这和没有实习甚至项目都没办法上线相比是完全不一样的。反映到面试上就是一个对什么问题都能弹几句自己的看法和改进措施，另一个却只能一直说自己不太了解，这对于面试通过率明显是毁灭性的降低。ai时代的另一个特点就是迭代速度极快，在年前还很火很好用的openspec框架，对于现在最新大模型的高性能来说，与其用重量级的openspec还不如用轻量级的plan mode框架，能带来时间与正确率的双提升，然而现在很多面试官（包括公司）还会去强调spec框架的好用，在大厂中的人尚且如此，没有实习的人又怎么能去跟上最新的发展。说了这么多，你一定觉得我有什么好的方法能够解决这个困境吧，很遗憾我并没有，我本身也是在一个不断学习的过程中，是不是从公司内部论坛上偷一些最新理解更新自己的知识库，但是在实际面试中有一些相关的问题我还是没有办法回答得很深。但是我仍然可以给出一些意见：1.不管你要应聘的岗位是什么，你一定要从agent开始分解（包括训练和使用），了解其中的每个概念是做什么的，常用的架构是什么，设计初衷是什么等，保证出现一个相关的名词你不会哑口无言。2.流行的技术背后的核心和出发点，和前一代的区别在哪，虽然可能没办法接触到最最前沿的应用，但是其实大部分人都是有一些滞后的，一般而言对开发也不要求做到完美无缺。ps：发完上一个帖子之后面试就很顺利，也是顺利找到下一家了，还有几家在流程中，什么时候能让我体验一下选offer的快乐