浅谈 AI 时代的个人软件工程：从生成代码到

AI 写代码越快，人越得守住系统。

以前卡在怎么写代码，现在卡在两件事上：一是给 AI 的上下文有限，二是人根本看不过来它写的代码。所以重点变了：你得持续喂真信息，让机器自动验收，把人的精力留给关键判断。

开工前先定边界。
别一上来就画架构、选设计模式。代码还没跑通，哪知道复杂点在哪？先想清楚给谁用、哪些限制不能动、明确不做什么。接着把核心数据定死：存在哪、听谁的、加存储必须人工点头。

先跑通最小闭环。
让 AI 先把最重要的场景跑起来，能演示就行，别管内部好不好看。等改动开始互相牵连了，再按“什么会变”去拆模块。以后改需求，最好只动一个地方。

测试和修 Bug 走固定套路。
每次改代码，全绿才算完。修 Bug 先写个会失败的测试，修好后再排查同类问题，把当时的取舍写进规则文件。记住，测试记结果，规则记原因。另外，功能成本压到接近零，系统腐烂的主因就变成了删不掉。少做、敢删，别让无用设置占满未来的上下文。

交付别只靠聊天记录。
每次改动都走 PR，云端重跑验证才算数。机器做初审，人只处理高风险的例外。需求和 Bug 记进 issue，改动原因写进 PR，合并后自动关闭。新功能先灰度发布，看到明确证据再放量。

说白了，写代码变便宜了，判断和治理变贵了。你的竞争力不在于让 AI 写得多快，而在于能不能控制住系统的复杂度。