AI Coding 避坑指南:搞不定复杂项目,多半是拆解没做好

凌晨两点。

屏幕上是第 14 版报错信息。

盯着 AI 生成的那堆代码，感觉像在看天书。变量名乱七八糟，逻辑绕来绕去，改了一个 Bug，冒出三个新的。

叹了口气，把键盘推开。

“让它写个贪吃蛇，三秒搞定。让它写个带鉴权、数据库、后台管理的系统，写到一半就疯了。”

这是上周一个粉丝发给我的原话。

我回了他一句：

“编程就是拆解 + 验证，没别的了。”

他回了一个”？”。

我说：“以前你觉得这是废话，是因为你以前需要自己写代码，没精力思考这两件事。现在 AI 能写代码了，这两件事才是你唯一需要做的事。”

01

先说一个让很多开发者不舒服的真相。

AI 写不好复杂项目，不是因为模型不够聪明，是因为你给它的指令太”大”了。

很多人用 AI 写代码的习惯是这样的： “帮我做一个类似 Notion 的笔记应用，支持 Markdown、实时协作、标签管理、权限控制。”

然后 AI 给你吐出一堆代码。你跑了一下，报错。你改了一下，又报错。你发现，这堆代码就像一坨意大利面，根本没法维护。

这时候你会怪 AI：“这模型不行啊，逻辑太差。”

但问题不在模型，在你。

大语言模型的本质是什么？是概率预测。它没有”全局架构”的概念，它只有”下一个 token 是什么”。

你给它一个宏大的需求，它只能基于概率去”猜”一个实现。这种猜测在简单场景下（比如写个正则、做个排序）是准的，但在复杂场景下（比如处理并发、管理状态、设计接口），就是灾难。

复杂项目的核心难点，从来不是”代码怎么写”，而是”问题怎么切”。

02

把时间线拉长一点看。

过去十年，我们学编程，学的是语法、是框架、是设计模式。我们以为掌握了这些，就能搞定复杂项目。

但 AI 时代，语法和框架的门槛被抹平了。

现在的核心能力，变成了两件事：拆解能力 + 验证能力。

拆解：把大问题变成小问题

拆解不是简单的”分模块”。

很多新手理解的拆解是：前端、后端、数据库。 这叫”分工”，不叫”拆解”。

真正的拆解，是把一个模糊的业务需求，翻译成 AI 能执行的、原子化的技术任务。

我常用的拆解三层法：

第一层：业务拆解（User Story） 别跟 AI 说”做一个用户系统”。 它听不懂。 你得说：“用户需要能注册、登录、找回密码，且密码需要加密存储。”

第二层：技术拆解（Interface & Data） 别跟 AI 说”写个 API”。 太泛了。 你得说：“定义一个 POST /api/login 接口，接收 email 和 password，返回 token 和 user_id。数据库表结构包含 id, email, password_hash。”

第三层：任务拆解（Implementation） 别跟 AI 说”实现登录逻辑”。 它会自由发挥，然后发挥到你不想看到的地方。 你得说：“1. 校验邮箱格式。2. 查询数据库。3. 比对 bcrypt 哈希。4. 生成 JWT。5. 处理错误情况（用户不存在、密码错误）。”

每一层，都是上一层的具体化。

当你把任务拆解到第三层的时候，AI 写代码的准确率会从 50% 飙升到 95% 以上。

因为这时候，AI 不需要”思考”，它只需要”翻译”。

学习曲线与失败点：

刚开始练拆解，你会觉得很慢。 以前你直接上手写，现在你要先画图、写伪代码、定义接口。 你会觉得”这不脱裤子放屁吗”。

这是正常的。

你在训练自己的”拆解肌肉”。 前三个项目，你会觉得效率降低了 30%。 但从第四个项目开始，你会发现 AI 生成的代码几乎不需要改。 整体效率会提升 3 倍以上。

最大的失败点在于：舍不得拆解。 总觉得”这个功能很简单，AI 肯定能懂”。 结果就是：AI 不懂，你也不懂 AI 懂了什么，一起懵。

验证：确保每一步都对

拆解完了，AI 写完了，就结束了吗？

没有验证的代码，就是定时炸弹。

AI 有个毛病：它很自信，但它经常自信地犯错。

漏掉边界条件是常事。用错库的版本也不稀奇。 最要命的是，它有时候会写出那种”能跑但有安全漏洞”的代码。

所以，验证比写代码更重要。

验证的三重防线：

1. 静态验证：让 AI 自己查错 代码生成后，不要急着跑。 先让 AI 自己 Review 一遍：“这段代码有没有潜在的空指针异常？有没有 SQL 注入风险？” AI 查 AI，往往比人眼更准。

2. 动态验证：测试驱动开发（TDD）的回归 以前我们觉得 TDD 太慢，现在 TDD 是 AI Coding 的救星。 先写测试用例，再让 AI 写代码。 测试过了，才算过。 测试没过，把错误信息喂给 AI，让它改。这个循环的速度，决定了你的开发效率。

3. 人工验证：Code Review 的降维 你不需要看每一行代码。 你只需要盯住几个关键点： 接口定义对不对？数据流向清不清晰？ 至于有没有明显的逻辑漏洞——跑一遍测试就知道了。

你的角色，从”搬砖工”变成了”监理”。

03

说一个可能让部分”Prompt 工程师”不舒服的判断。

AI Coding 时代，最先被淘汰的不是”不会写代码的人”，是”不会拆解问题的人”。

因为 AI 写代码的速度，已经超过了 99% 的人类。 但 AI 还不知道”该做什么”，还不知道”这个需求合不合理”，还不知道”这个架构能不能扩展”。

而这些，恰恰是拆解能力的核心。

所以回到开头那个问题：“为什么 AI 搞不定复杂项目？”

我的回答是：

不是 AI 搞不定，是你没把它”喂”好。

复杂项目不是不能做，是要切成小块做。 一口吃不成胖子，AI 也一样。

拆解 + 验证，是 AI 时代的编程底层操作系统。

工具变了，但解决问题的逻辑没变。

Q&A

Q：拆解这么细，会不会比我自己写还慢？

A：刚开始会。因为你在训练自己的”拆解肌肉”。但一旦你熟练了，拆解的速度会非常快。而且，拆解清晰后，AI 生成的代码几乎不需要改，整体效率是指数级提升的。

Q：AI 写的代码有 Bug 怎么办？

A：不要自己改！把错误信息、堆栈跟踪、相关代码片段喂给 AI，告诉它”这里报错了，请修复”。让 AI 修 AI 的 Bug，通常比人修得快。

Q：什么样的项目适合用 AI 做？

A：逻辑清晰、边界明确的项目最适合。如果是那种需求天天变、逻辑极其复杂的”屎山”项目，建议先做重构和梳理，再引入 AI。

Q：我需要学很多新工具吗？

A：不需要。核心是思维方式的转变。工具只是辅助，拆解和验证的能力，才是你的护城河。

写到这里，我想起了刚开始学编程的时候。

那时候觉得，能写出一个能跑的程序，就是大神。

后来觉得，能写出优雅的代码，才是大神。

现在我觉得，**能把一个复杂问题拆得清清楚楚，让 AI 去实现，还能确保它不出错——这才是真正的大神。**

路还长，慢慢走。