本节将提供一份“操作指南”，旨在帮助开发者克服第一部分中详述的种种挑战，从AI编程的普通使用者进阶为高级专家。

4.1 面向代码的高级提示工程

超越基础框架，采用更复杂的提示策略来引导AI进行深度思考。

• 思维链（Chain-of-Thought, CoT）提示：通过指示AI“一步一步地思考”，来分解复杂逻辑。这使其推理过程透明化，从而更易于调试和验证 。例如：“重构这个复杂的定价计算函数。首先，一步步解释当前的逻辑。然后，识别出性能瓶颈。最后，提供重构后的代码，并附上注释解释改进之处。”
• 自问（Self-Ask）与回退（Step-Back）Prompt：对于架构设计或涉及多方面因素的问题，可以让AI在提供最终解决方案前，先生成并回答一系列相关的子问题 。这有助于确保所有关键点都得到考虑。

4.2 面向文档的上下文记忆：赋予AI代码库的“记忆”

这是获取高质量、高相关性代码的关键方式。缺乏上下文是导致AI生成通用甚至错误代码的主要原因。

• 代码库结构：一个组织良好、命名清晰、结构模块化的代码库，本身就更易于AI理解 。
• IDE级上下文：利用AI IDE等工具的特性，如增加对话上下文相关文件提及（@codebase, @file, @selection），来明确告知AI需要关注的范围 。
• 持久化上下文文件：利用CLAUDE.md/Codebuddy.md等机制，提供项目特定的规则、风格指南和架构原则，AI将在每次会话中自动参考这些信息 。在AI工作流中显式要求维护 Codebuddy.md 等文件，并将生成的总结文档保存在docs目录中，供后续AI作为上下文使用。

4.3 验证与调试：The Necessity of Human-in-the-Loop

鉴于AI生成代码的不可靠性，开发者必须掌握一套系统化的验证和调试方法。

• “隔离、分析、修复、预防”框架：这是一种系统性调试AI生成代码的方法 。
  • 隔离（Isolate）：为bug创建一个最小可复现的示例。
  • 分析（Analyze）：将隔离后的代码和错误信息提供给AI，并附加上下文。
  • 修复（Fix）：要求AI提供一个修正后的、安全的解决方案。
  • 预防（Prevent）：指示AI生成覆盖此bug的单元测试或集成测试，以防问题再次发生。
• 决策矩阵：重构 vs. 重写：何时修复AI代码，何时放弃并优化提示词，是一个关键决策。
  • 选择重构：当问题是局部的、语法相关的，或者核心逻辑正确但需要微调时。
  • 选择重写（提示词）：当AI从根本上误解了需求，代码是“自信的幻觉”，或者你陷入了无休止的调试循环时，相比于不断尝试让AI修复（尤其是上下文过长时），git reset并重写Prompt重新执行任务效果会更好