AI工程化开发的核心底层逻辑
长期从事AI工程化开发的朋友们大多深有体会：每当接手全新项目或遭遇棘手Bug时，处理流程是否规范直接决定了整体效率。整个工作的本质，其实围绕一套标准化的五步工作流展开：只读分析、输出方案计划、执行修改、校验验证、任务总结。这五个环节一旦被固化下来，就能有效避免AI自由发挥、改动失控、需求理解偏差甚至无效修改等问题。无论是新功能开发还是Bug排查，几乎都可以直接复制落地。
只读分析 → 输出方案计划 → 执行修改 → 校验验证 → 任务总结
一、项目读取模板
适用场景
初次接触全新项目，或者希望系统复盘现有架构时，使用此模板进行一次全局扫描。无论是接手开源项目、梳理工程架构，还是整理项目基线信息，均适用。
复用指令
请首先全面阅读当前项目，切勿进行任何代码修改。帮我总结：1. 项目是做什么的 2. 技术栈是什么 3. 目录结构如何组织 4. 启动、构建、测试命令是什么 5. 新增一个页面应该从哪里开始 6. 当前项目有哪些明显维护风险
二、新需求开发模板
适用场景
新增功能、迭代需求、页面或接口新增开发等场景。核心原则是：先确定方案再动手落地，避免盲目开工导致返工。
复用指令
我有个新需求：XXX。请先阅读相关代码，不要修改。输出：1. 涉及文件 2. 你需要进一步确认的信息 3. 新需求的开发方案
三、Bug 排查模板
适用场景
页面报错、接口异常、逻辑Bug、渲染错乱、功能失效等各类问题。关键在于精准定位根源，而不是草率修补表面症状。
复用指令
我遇到了一个 bug：XXX。请先阅读相关代码，不要修改。输出：1. 可能原因 2. 涉及文件 3. 你需要进一步确认的信息 4. 修复计划
四、代码修改执行模板
适用场景
新增功能、Bug修复、局部逻辑重构。此模板的核心是严格约束改动边界，避免过度修改引入新风险。
复用指令
请按刚才确认的计划修改代码。要求：1. 修改范围只限于 XXX 2. 不要引入新依赖 3. 不要重构无关代码 4. 完成后运行相关测试 5. 最后总结修改内容和风险
五、代码评审 Review 模板
适用场景
开发完成后的自检、PR代码审核、排查功能漏洞或优化代码健壮性。重点关注是否破坏现有逻辑，而非重新设计架构。
复用指令
请 review 当前 git diff。重点关注：1. 是否破坏现有功能 2. 是否有边界情况遗漏 3. 是否有错误处理缺失 4. 是否有类型问题 5. 是否有安全风险 6. 是否需要补测试 只输出问题，不要修改代码。
六、任务收尾总结模板
适用场景
功能开发完成或Bug修复结束。用于任务闭环、工程记录留存，方便后续追溯与持续迭代。
复用指令
请总结这个任务。包括：1. 目标是什么 2. 最终改了什么 3. 已验证什么 4. 还有什么风险 5. 后续继续做应该从哪里开始
核心使用要点
无需死记硬背每个模板的具体细节。真正需要在脑海中扎根的，是那五个核心步骤：
- 只读分析：先仔细阅读项目或代码，严禁盲目修改
- 方案输出：输出完整的开发或修复方案，确认细节后再动手
- 精准执行：限定改动范围，确保落地的每一行代码都有据可依
- 校验评审：通过测试验证与代码评审，把隐患排除在上线之前
- 闭环总结：留存任务记录，明确后续迭代方向
这五个环节串联起来，就构成了一套可复用的工程化工作流。无论是新项目接入、日常迭代、Bug排查还是代码审核，都可以直接拿来使用。
