现在的 AI 编程助手，打开对话框，随便抛个需求过去，几秒钟后，一段看似完美的、能跑通的代码就甩在了你脸上。你甚至不需要搞懂它底层调用了什么 API，直接 Copy + Paste，完事儿。

太快了，简直神清气爽！你觉得自己瞬间化身 10x 程序员。

但等一下……这段代码真的能长期维护吗？边界情况处理了吗？架构设计合理吗？

现实往往很骨感：功能看似跑通了，但包括你自己在内，根本没人清楚里面到底是怎么实现的。 随着后续新功能的加入，当初为了图快而糊弄的草率架构瞬间崩塌。

你突然发现：代码虽然写得快了，但你对系统的掌控力却彻底丧失了。

如何才能既享受 AI 带来的“疯狂移速”，又不失去对软件工程的控制力？

近日，资深Tech Lead工程师Maio在他的博客中开源了一套硬核的“AI 辅助开发工作流”。这套方法的核心逻辑非常反直觉：真正的核心工作，其实在写下第一行代码之前就已经结束了。

核心理念：用文字思考，而非用代码思考

在被 AI 彻底取代之前，我们需要认清一个事实：

AI 最擅长什么？是“实现”。AI 最不擅长什么？是搞清楚你“到底想要什么”。

AI 无法帮你补全那些你默认但没说出口的隐性假设，更无法在你的业务逻辑出错时扇你一巴掌让你清醒。

这些“擦屁股”和“拍板”的活儿，永远只能是你（人类工程师）的职责。

因此，Maio 提出了一个极其重要的范式转变：把每一个功能需求，都首先看作是一个“思考问题”，其次才是一个“代码实现问题”。 这套工作流的目的，就是强迫你把这些“思考”前置，并且利用 AI 来对你的思考过程进行“无情地审问和压力测试”，而不是直接跳过思考去写代码。

7步 AI 编程拆解法：慢，即是快

Maio 将整个开发流程拆解为 7 个结构化的步骤，并通过特定的 AI Prompt（他称之为 Skills）来辅助每个环节。

💡 Step 1：自由式规划 (Free-form plan)

这一步，禁绝 AI，全部由人类完成。 用大白话写一份文档，没有格式要求。描述你要解决的问题、初步设想的解决方案、已知的限制条件、以及不确定的地方。

核心目的：把脑子里的想法掏出来变成文字。这一步直接决定了后续所有环节的质量。计划模糊，后面 AI 吐出来的东西必定也是一团浆糊。

🕵️‍♂️ Step 2：用 AI 榨出 PRD (PRD via write-a-prd)

用 AI 来“审问”你的计划。 把第一步的草稿丢给 AI。AI 会先读取代码库了解现状，然后开始无情地盘问你计划中的每一个细节：

• “用户未登录时这块怎么处理？”

• “如果这个操作部分失败了，回滚机制是什么？”

• “老用户依赖旧有逻辑，如何平滑过渡？”

这不是因为 AI 比你聪明，而是这种“强制问答”能榨出你最初设想中的致命漏洞。最终，AI 会产出一份极其详尽的 PRD（产品需求文档），包含明确的问题描述、解决方案、用户故事、API 契约等。所有东西都必须白纸黑字写清楚。

✂️ Step 3：将 PRD 拆解为 Issue (Issues via prd-to-issues)

把刚出炉的 PRD 丢给 AI，让它帮你拆分成具体的 Issue。

• 垂直切片原则：每一个 Issue 必须是一个完整的端到端功能（能贯穿UI、业务逻辑、数据库），绝不能是纯前端或纯后端的半成品。

• 分类管理：每个 Issue 会被明确标记为 AFK（Away From Keyboard，AI可以独立搞定直接Merge）或 HITL（Human In The Loop，必须人工介入决策，比如评审关键逻辑）。

📝 Step 4：把 Issue 细化为 Task

这是为了给 AI 下达“执行指令”而准备的。 把每个 Issue 拆成一次 AI 会话就能搞定的小任务（Task）。AI 会帮你规划好极度合理的执行顺序：先改 Schema，再写逻辑，写 API，最后做 UI，中间穿插测试。重点：Task 的描述是写给 AI 看的指令，而不是给人类的笔记。绝对不要包含具体的代码片段，只表达意图和最终状态。

🚀 Step 5：向代码交接

终于开始写代码了！ 开启一个全新的 AI 会话，贴入刚才准备好的 Task 描述。为啥要开新会话？ Maio 踩过的坑表明：如果让 AI 在一个超长的对话里一直写代码，它会开始“幻觉漂移”，基于它前面自己写的烂代码做决定，而不是基于你的任务要求。单次任务、干净的上下文，产出质量最高。

🔍 Step 6：AI 辅助代码审查

每次提 PR 之前，用 AI 进行 6 轮结构化审查。重点检查：操作顺序 (Operation ordering)。AI 经常能写出“看起来正确”的代码，但顺序可能是错的。比如：在提交数据库事务之前就发送了通知邮件、在记录审计日志之后才真正执行动作。人类肉眼看审查极难发现这种隐蔽 Bug，但 AI 互查却很犀利。

⚖️ Step 7：最终全盘审计

功能开发接近尾声，让 AI 跨越单个 PR 的局限，对整个功能实现进行“全局体检”。 它找的不是少了个分号这种小 Bug，而是系统性问题：模块间是否不一致？某个安全假设在整体应用中是否被打破？给出总体验收报告后，人类最后一次拍板：准许上线！

Maio 坦言，这套方法一点都不快，至少在前期准备（计划和写 PRD）阶段是相当耗时的。“直接开始写代码”的诱惑力永远在向你招手。

但这套方法的底层逻辑是：在写代码之前花 1 小时思考，永远比在写完之后花 10 小时排查连环 Bug 要便宜得多。

它也不能取代工程师的判断力。AI 在每一步都会给出看似合理的建议，但只有你才知道这些建议是否符合你们公司那祖传的、不可名状的复杂业务现实。

AI 负责加速生产，而审查（Review）与担责，永远是你的工作。

如果你对这套硬核的 AI 编程工作流感兴趣，Maio 也在他的 GitHub 上开源了他使用的相关 Prompt (Skills) 集合。

🔗 传送门：https://github.com/maiobarbero/my-ai-workflow

在人人都在追求“一句话生成应用”的狂热当下，这种退后一步、强迫自己“先动脑，再动手”的清醒思考，或许才是打工人在 AI 时代真正长久的生存之道。