把 AI 编程工具放进真实开发流程

很多人第一次使用 AI 编程工具，体验像是在聊天窗口里不断补充需求。它能写代码，但项目一大，回答很快就会失去上下文。

真正有用的转折点，不是换一个更大的模型，而是把协作方式变成工程流程的一部分。

先让工具知道项目边界

项目规则应该回答几件明确的事：项目是什么、哪些目录属于什么职责、运行命令是什么、哪些历史约定不能破坏。

这些信息写进项目级说明后，AI 不需要每次重新猜测，也不容易因为环境差异给出错误判断。

让验证成为默认动作

“代码看起来没问题”不是完成。一个修改至少要经过与风险匹配的验证：类型检查、构建、测试、语法检查，或者关键页面的真实浏览器检查。

理解约束 → 修改 → 验证 → 汇总影响

这条链路看起来普通，却决定了 AI 是一个偶尔聪明的聊天对象，还是一个可以进入团队流程的协作者。

图谱、搜索和直接阅读各有位置

知识图谱适合寻找调用关系、模块热点和影响范围，文本搜索适合确认字面事实，直接阅读代码适合理解局部业务语义。它们不是互相替代，而是不同的观察方式。

我更倾向于让 AI 使用这些工具完成调查，然后把结论整理成人能判断的结构，而不是把一张复杂图谱丢给人自己辨认。

最后仍然需要人的判断

AI 可以扩大观察范围、缩短搜索时间，也可以承担大量重复验证。但项目目标、风险边界和取舍仍然需要人来决定。

好的 AI 工作流不是把人移出开发过程，而是让人的注意力回到真正需要判断的地方。