有人问我，现在用 AI 开发有什么好方法。我说这主要看你把 AI 用到什么程度了，是新项目还是维护旧项目。真要展开来说，篇幅会非常大，这里简单说一下我个人的几点经验：
-
需求、详细设计可以 AI 来做，但是架构一定要自己把关。
-
核心约束一定要有四个： 一是要求文档、对话都要说人话； 二是任何文档的新建、改写，都不要压缩任何信息，不以节省 token 为导向； 三是代码必须要有注释，任何函数、类、接口以及重要的逻辑，必须要有注释。 这三点其实说白了，就是解决你文档看不看得懂、代码看不看得懂的问题。 最后一个，就是能复用现有代码就复用，能有成熟的开源项目和第三方库就使用，不要重复造轮子。这一点也很重要，否则你会发现 AI 写了大量代码，实际效果不如一个成熟的库有用。
-
第一批 AI 写的文档，一定要仔细阅读，哪怕看着很不耐烦也要仔细阅读，尽量把问题在文档阶段就解决掉。否则随着 AI 写的代码越来越多、文档越来越多，你会越来越不想看文档，不想去阅读代码。很多的漂移和边界扩大，都是因为这一点。
-
在需求、架构、设计阶段，访谈式很好用。你可以让 agent 采用访谈式方式和你共同编写，也可以让 agent 和子 agent 自问自答来替代你做。但是每一步都要 append 到一个 list，不要相信它的上下文压缩机制足够好。
-
单元测试、门禁都是需要的，特别是项目越来越大时，更加需要。但是要定好规则，一个是单元测试和门禁的编写和使用时机，一个是不要每次都跑全量。这能决定开发进度和 token 的浪费，同时避免过早进入优化的泥潭。
-
无论一个 agent 编写你的项目，还是多个子 agent 并行开发，都会有一个很明显的问题出现：那就是重复代码、重复逻辑。这个当前很难避免，哪怕像我第 2 点写了约束也一样。Ponytail 这个 skill 库有一定的作用，但是不能用原版，要修改，否则效果并不会很好。整个项目看下来，仍旧会有大量的、本可以合并或者抽象化的代码，实际上写了多个版本存在。而且使用不当，会导致你的代码质量出现问题。
-
review 一定要，不管每次的任务大小都需要，而且 review 一定要独立且严格。什么叫做独立？就是不要开发者自审，而是交给其他的子 agent，如果有条件，甚至可以交给其他的大模型。review 一般来说要进行多轮，而且看复杂程度，简单的一个 agent 去审，复杂的多个 agent 从不同的角度、或者分配不同的模块去审，然后主 agent 负责去重、交叉验证以及终审调研。这一步非常重要，因为很多的 issue 都需要交叉验证才能找到根因，否则就是不断的打补丁式开发，修复只是解决了标，但是不治本。你让它修好了，然后再次 review 又会发现新的问题，多轮下来修复了一大堆，但是实际上根因可能只有一个。另外一个就是要注意 review 是否存在过度审查，这点可以写提示词或者自己写一个技能，但是最终还是要依靠你自己的能力，任何的提示词和技能无法保证不会出现过度审查。最后就是不要一句“你给我 review”就完事了，要指出重点审查的方面，比如审查内存是否出现越界、溢出、泄漏等内存问题，是否存在过度设计，是否线程所有权和异步线程的使用方式正确等。
-
skills 的使用，我不建议在当前这些顶级模型上开启诸如 superpowers 之类的强约束技能组。这类效果是有，但是不见得收益有那么大。个人来说，内置的 skill 和几个自己修改过的足够；团队来说，工程化的 skill 一两个足够。再多就是负担了。说句大白话，就算你用了 TDD、DDD 等等的玩意，实际产出的还是 AI 在审查，项目越大，人类审查的难度越大。
-
最重要是，就算你的项目跑了成千上万的门禁，并且通过了，也不代表你的项目就可以上线了。这本身就是一个伪命题。因为门禁再多，单元测试覆盖再完整，不代表本身项目不会出问题。这些最多保证在有限的、已经验证的前提下，项目是正常的。至于如何做，每个公司有自己的方式，比如我们一个小项目，全量门禁超过 10 万个，跑一次要 30 分钟，但是我们仍旧让另外的 agent 根据设计文档重新写了一套攻击程序，加在 CI 的最后一个环节。
-
其他的还有一些技巧，可能网上很多人都说了，就是 AGENTS.md、CLAUDE.md 只写不超过 100 行核心提示，其他都是只做索引。内部文档采用结构化目录保存，每个目录有入口索引，测试要有台账，每次测试都要 append 台账。文档的管理不要用编号，而是依靠 git 仓库管理。等等之类的，就不多说了，网上到处都是。
-
哦，差点忘记了，还有大模型的选型。国内的模型我不是很了解，也基本上没有用过。光从 Claude 和 GPT 来说，他们适合不同的领域，Claude 的分析能力非常强，在项目的架构、设计等阶段执行的非常好，比 GPT 强非常多，唯一算是缺点的，就是自主能力太强了，你约束不好，它就会帮你做很多不必要的事情。GPT 在解决复杂问题上的确比 Claude 差很多，但是在干活上就比较听话，所以看你怎么用了，我一般复杂的问题交给 Claude，简单的局部的代码编写交给 GPT。另外很多时候我是用 Claude 来指挥 GPT 干活，这样效果很不错，Claude Code 中它会监督 GPT 去做具体的任务，并及时地纠正和调整。至于模型切换，我不建议网上人说的换来换去，比如先让它分析使用最强模型，干活使用次级模型，一个连续的任务最好不要换来换去，除非本身就是主任务和子任务。这不是上下文的问题，而是大模型本身 cache 命中的问题。
其他的一时半会要么想不起来，要么要展开说才行。总之上面这些就是简单的我的一些经验。真正如果展开说，这是非常大的一块内容，不是简单几条就能说清楚的。正好你问起来了，我就简单地说了下我的经验，可能因为是临时起意，有些不完整和不对的地方，仅供参考。