前几天被一个老项目折腾得够呛。
接口偶尔超时，日志又不完整，代码里还混着好几代人留下的“祖传判断”。本来只是想让它帮忙看一眼，结果一试发现，这玩意儿如果用法对路，确实能把很多零碎活串成一条比较顺的工作流。
不是说它能替你写完所有代码，然后你直接合并上线。真这么干，迟早会被 review 打回来。
意思是：它很适合帮你把“脑子里一团糊”的任务，拆成可执行步骤。读代码、排 bug、写方案、补测试、整理文档，都能接上。
这次经历是在一个能一站使用多种主流 AI 大模型的工具平台上完成的，不用特殊网络环境，拿手机或邮箱注册后就能直接对话。比较方便的是，它能在 Gemini、GPT、Claude、Grok、DeepSeek 这些模型之间来回切，经常先用 ChatGPT 5.6 做复杂拆解，再换 Claude 看看有没有遗漏，或者用 DeepSeek 做一些轻量整理。少开几个页面，心情都能好点。
下面按一个真实开发任务来讲：怎么用 ChatGPT 5.6 从“看不懂老代码”一路跑到“交付一个能 review 的方案”。
别一上来就让它写代码，先让它当侦探
很多人用 AI 写代码，第一句话就是：
帮我修一下这个 bug。说实话，这种问法很容易翻车。
模型不知道你的业务，不知道哪些代码是历史兼容，也不知道哪些逻辑看起来奇怪但其实不能动。你让它直接修，它就可能很热心地开始重构。代码看着挺干净，但你一跑测试，坏了。
现在第一步一定是让它读代码，不让它改。
比如会这样问：
下面是一个订单列表接口相关代码，包括 Controller、Service、DTO 和部分日志。
请先不要修改代码。
请帮我梳理完整调用链：
1. 请求从哪里进入
2. 关键参数在哪里转换
3. 哪些地方做了过滤
4. 哪些地方做了分页
5. 哪些地方可能导致返回空数组
不确定的地方请直接标出来，不要猜。这个提示词的关键不是多高级，而是两个字：克制。
先让 ChatGPT 5.6 建地图。地图清楚了，再讨论怎么修路。
ChatGPT 5.6 Sol 的上下文窗口标准模式有 100 万 token，Ultra 模式能到 200 万 token。这个参数放在开发里很好理解：你可以一次性把一批文件、日志、接口返回样例都扔进去，不用切成十几轮慢慢喂。
以前用短上下文模型，经常贴到第五轮，它已经忘了第一轮说过“不能改接口签名”。那种感觉真的很崩。
让它列排查顺序，别让它自由发挥
读完代码后，会让它按优先级排查，而不是直接给答案。
提示词一般是这样：
基于上面的调用链，请列出最可能导致问题的原因。
要求：
- 按发生概率排序
- 按验证成本排序
- 每个原因给出对应的验证方法
- 不要直接修改代码这一步特别适合 ChatGPT 5.6。
它不是只会说“可能是缓存问题”“可能是空指针”。它会把问题拆得比较工程化，比如：
- 参数默认值在 DTO 转换时被覆盖
- status 过滤条件误伤了部分合法数据
- pageNo/pageSize 边界导致 offset 计算异常
- 上游日志打印的是原始数据，不代表最终响应数据
- 时间范围使用了左闭右开，但调用方按闭区间传参看到“日志打印的是原始数据，不代表最终响应数据”这条时，真的有点被提醒到。
因为很多排障就是这样。你以为日志里有数据，接口就应该有数据。但中间经历了映射、过滤、排序、分页，最后没了完全可能。
这一步的价值在于：它帮你把排查顺序排好了。你不用在一堆可能性里乱撞。
修 bug 时，只要最小 diff
等问题基本定位后，才会让它写代码。
但会把边界写得很死：
请给出最小修复方案。
限制：
- 不要改接口签名
- 不要新增依赖
- 不要重构无关代码
- 不要修改命名
- 只处理当前 bug
- 输出 diff 风格代码，并解释每处改动原因这几句很重要。
ChatGPT 5.6 的能力很强，但它有时候会“太积极”。你只是让它修一个条件判断，它可能顺手抽一个新方法，再把枚举整理一下，最后还帮你统一异常处理。
建议是好建议，但不是这个 PR 该做的事。
一般会让它给两个方案：
方案 A：线上止血，改动最小。
方案 B：结构优化，长期更清晰。
请分别说明风险、影响范围、需要补哪些测试。然后大概率选方案 A。
不是不爱重构，而是工作里要分场景。线上 bug 先止血，结构优化另开任务。这个边界如果不守住，原本一个小时的事，可能变成三天 review。
写测试：别让它堆覆盖率，让它证明行为
修完 bug 后，很多人会让 AI “补几个单测”。
这个说法太模糊。
模型很可能给你写一堆看起来覆盖率很高、但没什么业务价值的测试。最后测试文件变长了，问题没防住。
现在会这样写：
请基于本次 bug 设计最小测试集。
不要为了覆盖率堆测试。
每个测试用例说明它证明了什么。
重点覆盖：
1. 触发 bug 的输入
2. 正常历史行为不变
3. 边界参数不会导致异常结果这个提示词出来的结果通常更靠谱。
比如订单列表返回空数组的问题，它可能会建议：
- 上游返回 status 为空但业务允许展示时，不应被过滤
- 上游返回正常 status 时，结果与旧逻辑一致
- pageNo 为 1、pageSize 正常时，分页结果不应为空一般不会直接复制它写的测试代码，因为项目里的 mock 风格、断言习惯、fixture 写法都不一样。
但它给的测试思路很有用。
尤其是“正常历史行为不变”这条，很多人修 bug 时会漏掉。你修好了一个坏 case，但把旧逻辑改歪了，那就更麻烦。
写技术方案：让它先搭骨架，再塞细节
除了写代码，ChatGPT 5.6 还特别适合写技术方案初稿。
开发者其实很常写文档，只是我们不爱承认。接口改造要写方案，性能优化要写方案，发版前要写风险说明，复盘还要写原因分析。
通常会把代码结论、排查过程、测试建议丢给它，然后这样问：
请整理成一份技术方案，面向后端开发和测试同学。
结构要求：
- 背景问题
- 根因分析
- 修复方案
- 影响范围
- 测试计划
- 回滚方案
语气保持技术说明，不要营销口吻。它生成的第一版通常已经能看。
但会做两件事。
第一，把里面泛泛而谈的话删掉。比如“提升系统稳定性”“优化用户体验”这种，太空。
第二，把真实项目细节补进去。比如具体接口名、影响业务线、回滚开关、灰度范围。
AI 很适合搭骨架，但血肉还得你自己填。它不知道你们团队的上下游，也不知道测试同学最关心什么。
写文案和周报，也可以顺手用
虽然读者更关心代码，但说真的，开发也逃不开表达。
比如你修了一个复杂 bug，要在群里同步进展。你写太短，别人看不懂；写太长，没人看。
会让 ChatGPT 5.6 帮你压缩成三段：
请把下面排查过程整理成一段团队同步消息。
要求：
- 先说结论
- 再说影响范围
- 最后说下一步
- 不要超过 200 字
- 语气自然，不要像公告这个功能很实用。
它能帮你把“我查了半天终于发现是某个 DTO 转换时默认值有问题”整理成别人能快速理解的话。
有时候不是我们不会写，是脑子刚从代码里爬出来，语言系统还没恢复。
多模型切换：别只盯着一个模型用
现在用 AI 工具已经不太迷信“一个模型包打天下”了。
在能一站切模型的平台里，会按任务换：
ChatGPT 5.6 Sol：复杂代码分析、方案拆解、长上下文任务
GPT-5.6 Terra：日常问答、中等复杂度改写
GPT-5.6 Luna：摘要、分类、数据清洗
Claude Opus：代码 review、风险挑刺
Gemini Flash：快速总结、轻量多轮沟通
DeepSeek：低成本高频处理
Grok：需要结合多模态或较长材料时试试这不是说哪个一定强哪个一定弱，而是每个模型的手感不一样。
比如 ChatGPT 5.6 Sol 做复杂任务确实稳，Terminal-Bench 2.1 编程测试标准模式得分 88.8%，Ultra 模式 91.9%，编程能力较 GPT-5.5 Instant 提升约 15%。但它成本也不算低，标准版输入 6 美元/百万 token，输出 30 美元/百万 token，Ultra 还要额外加收。
所以不会拿它做所有小活。
简单摘要、格式清洗、批量分类，用轻量模型就行。复杂排障、方案推演、跨文件分析，再让 Sol 上场。
别拿重型扳手拧眼镜螺丝，能拧，但不划算。
最常用的一套提示词
如果懒得从头琢磨，可以直接按这个流程来。
第一步，读代码：
请先不要修改代码。
请梳理调用链、关键数据结构、过滤逻辑和潜在风险。
不确定的地方请列出问题，不要猜。第二步，排查问题：
请按发生概率和验证成本，列出可能原因。
每个原因给出验证方法和需要看的日志/代码位置。第三步，最小修复：
请给出最小 diff 修复方案。
不要重构，不要改接口签名，不要新增依赖。
说明每一处改动的原因和风险。第四步，补测试：
请设计最小测试集。
每个测试说明证明什么。
重点覆盖 bug 输入、旧行为保持、边界情况。第五步，写同步材料：
请整理成团队同步说明。
包括问题原因、修复方式、影响范围、测试计划和回滚方案。
语气自然，别写成宣传稿。这一套跑下来，基本能覆盖一次中小型 bug 修复流程。
最后说句实在的
ChatGPT 5.6 真正提高效率的地方，不是让你少写几行代码。
它更像一个能陪你拆问题的搭子：读材料快，能整理思路，能给方案草稿，也能提醒测试边界。
但你得会指挥它。
别上来就说“帮我修”。先让它读，再让它排，再让它改，最后让它自查。你把流程卡住，它就更像工程助手；你完全放飞，它就可能变成一个过度热心的新同事。
如果你是开发者，建议先拿一个真实但不太危险的任务试试：一个老接口、一个小 bug、一份技术方案都行。
说真的，别把 ChatGPT 5.6 当自动提交机器。把它当复杂任务拆解器，它会好用得多。