AI 一口气写完代码，测试也全绿了。
轮到你 Review，却发现需求理解偏了、设计太复杂，真实业务还没跑过……
读完黄同学的《入职大厂两个月，我的 AI 开发心得》，我把里面值得借鉴的做法，整理成了这组 6 页漫画👇
🧰1｜Skill 按需用，流程也要做减法
简单任务直接推进，复杂任务再加规划、拆分和交叉审查。反复做过、确实有效的流程，才值得沉淀成 Skill。
🧠2｜提示词可以借用“思维快捷键”
方向不对？用第一性原理。
想找反例？做对抗性审查。
不知道谁带来收益？设计消融实验。
机制太多？用奥卡姆剃刀。
职责混乱？检查高内聚、低耦合。
但这些方法，都需要准确的上下文。
🔄3｜先对齐需求，再小步交付
把目标、范围和验收标准写清楚。每次改动保持可控，经过自测、审查和端到端验证，发现问题就修复、重测。
🔍4｜让 Agent 拿出业务证据
实际跑一次业务，查页面、数据库、日志和 Trace，再对照预期结果。
系统“返回了什么”，不能直接决定“什么才是对的”。
🛡️5｜人工 Review 聚焦高风险逻辑
重点看权限、状态变化、并发、重试、数据一致性，以及迁移和回滚。也要追问：新增的抽象和机制，真的有必要吗？
⚠️6｜代码和测试可能一起理解错需求
测试全绿，也要回头核对验收标准。开发者仍然需要判断，这次交付的证据是否足够。
可以先挑一条你最常做的自测路径，让 Agent 跑通、保留证据，再把有效步骤复用起来。
你现在用 AI 开发，最卡的是需求对齐、自测，还是 Review？评论区聊聊👇
#AI编程 #AICoding #Codex #Claude #Agent #Skills #程序员 #艾欧同学
