用AI开发产品的错误做法：一上来让它直接写代码

用AI开发产品，不是一上来就让AI写代码。用Claude、GPT-4和Cursor开发了6个生产级应用后，以下经验供参考。

1

写代码前先规划。

AI的表现取决于项目定义的清晰度。你需要准备几份关键文档：需求文档（明确列出每项功能）、用户故事（描述真实用户的操作流程）、技术栈（选定技术方案并固定版本）、编码规范（文件夹结构、命名规则、代码风格）。

即便只是简单统一的目录结构（如src/、components/、api/），也能大幅减少AI的随意性。

把功能拆解成小任务，给每个任务写伪代码，AI就有了明确的边界，不会凭空编造复杂的东西。

2

选择框架并锁定依赖版本。

不要让AI从零开始搭建项目结构，而是用Next.js或SvelteKit这样现成的框架。这些框架已经规定好了文件夹怎么组织、代码怎么写，模型就不会乱来。

关于依赖版本，这看似小事但特别关键。你必须在package.json中明确指定每个包的确切版本号，比如写react: 18.2.0而不是react: ^18.0.0。

版本不一致会很麻烦，代码在你电脑上能跑，到了服务器或同事的电脑就可能崩溃。用AI写代码时这个问题更容易发生，因为AI常常会随意加新的依赖，结果和你现有的包产生冲突。

一旦陷进去，排查问题会花你很多时间。所以最好的办法就是从一开始就用package-lock.json或yarn.lock把版本锁死。

3

让AI先解释再写代码。

要求AI先复述任务、说明实现方案再写代码。纠正一份解释远比修复200行错误代码容易。

要求修改时，让AI用diff格式展示变更，这样能保持代码的稳定性，避免无意中改坏其他地方。

4

把任务拆细和独立。

AI在笼统的需求上容易出错，但遇到具体指令就能做好。与其说"实现认证功能"，不如这样拆分：定义用户模型、创建注册接口、添加密码哈希、实现登录逻辑。任务越细，幻觉越少，调试越容易，架构也越清晰。

除了任务外，需要保持架构的模块，复用组件。

如果AI改一个小地方都得读整个代码库，说明代码耦合度太高。设计好模块，让每个部分都能独立理解和修改。比如Next.js、css框架Tailwind CSS、ui组件shadcn/ui、认证Better Auth是目前常用的。

其次，注意命名统一，能帮助AI遵循你的模式，而不是自创规则。

5

策略性地用多个模型。

不同的AI大模型各有所长。规划用一个、代码生成用一个、逻辑检查用另一个。遇到可疑的答案时，换个模型验证一下，通常能抓出不少问题。

最强的可以用Sonnet 4.5，GPT 5.1 codex，就是成本高点。

6

动态更新文档。

保持architecture.md和conventions.md这类文件动态更新。

长对话结束后，开启新对话线程，重新导入核心文档，让模型始终和项目的实际状态同步。

设个规则："只改我明确指定的文件"，这样能防止模型乱改无关代码。

7

像个真正的开发者那样审核和测试。

AI能写代码，但你仍然得监督。检查导入是否一致、核对嵌套逻辑、验证改动有没有影响其他功能、运行相关测试而不只是新功能的测试。

AI有时会悄悄改东西，所以测试邻近代码很重要。

8

每一步都用Git提交。

小步提交、频繁保存。出问题时，能清楚地告诉你发生了什么。

要求模型确保它的修复是幂等的，同样的补丁执行两次不应该引入新问题。