分享一下我的 AI 提效实践,主要解决"老虎机 Vibe Coding"的问题。
以前我也是:丢个需求 → 点生成 → 不满意重来,循环往复。后来发现这样太碰运气了。
现在改用系统化的方法:
1. 先用 EARS 语法澄清需求 (When/While xxx, the system shall xxx),重点是我和 AI 对齐思路和细节
2. 让 AI 输出技术设计文档,重点是我和 AI 对清楚技术实现细节
3. 拆分成具体任务清单,这块我关注的较少
4. 逐步实现和验收,重点是关注自动化测试的用例和执行情况
举个例子,我们自己开源的项目都在用这种方式在开发
https://github.com/TencentCloudBase/CloudBase-AI-ToolKit/tree/main/specs这套方法在 Cursor 、Claude Code 里都能用,核心是让 AI 参与需求的一步步澄清和细化,并能根据标准来自动化测试,而不只是"代码生成"。
PS: 这个方法论是从 AWS 的 Kiro AI IDE 学来的
之前专门写了一个文章来介绍,一不小心还成了我的爆款文章😄
AI 编程不靠运气,Kiro Spec 工作流复刻全攻略
https://mp.weixin.qq.com/s/3j6lG50isbuSH4p64TsNag