leehaoze98

@thawne 其实对于人而言，这个场景也可能会遗漏掉难以发现的边界条件，AI 并不能彻底解决这个问题。

回归到实际开发之前，我们先来不切实际的想一下怎么能让 AI 避免这个问题：在 AI 动手之前告诉他 “这里、这里，还有那里，有一个边界条件，开发时需要额外注意一下”，本质上又回到了一个上下文的问题，而不是一个代码层面的问题，如果你能给大模型提供这个信息，他就可以解决好你的问题。

那么到了实际开发中，只能是说以多年开发的经验，对这个领域场景的了解，虽然你不知道这块具体的代码实现是什么样的，你很清楚这里会有坑点，或者这里有边界条件、硬逻辑，然后直接提供到上下文里，让他注意一些，（这也是为什么产品或者其他领域的人虽然可以用 AI 快速产出 demo ，但是无法产出生产级项目的原因之一）。那如果说你也拿不准这块可能有什么问题，只要你能意识到这块复杂、这块可能有问题，那么就让大模型多去收集上下文信息，唯有信赖他了。至于一些类似于 Spec 驱动、Deep Module 之类的方法论，或者说传统的软件工程的各种，也只是一种方法，也并不是说能彻底解决这个问题的法子。

另外，在 AI 时代，写代码是成本非常低的一件事情，纠结之前，先起一个 claude code 让他实现一版，亲自看看效果，有问题直接回滚，然后把这次实现发现的问题，作为上下文补充进去，就像是玩游戏死了回档一样。

你可以完全不看代码，但你要清晰的知道你对这个场景/领域/功能的解是什么样子的。