如何让 AI 稳定交付高质量代码
日常开发中,代码主要由 AI Agent 编写。我负责提出需求、补充上下文、确认方案和检查结果。 实际使用 AI 开发时,我遇到过一些问题:Agent 对需求理解有偏差,Bug 还没定位根因就开始修改,代码能运行却有遗漏,甚至多次检查后仍出现新问题。 我希望把这些容易出问题的环节变成相对固定的工作步骤:分析问题时要有依据,修改代码时要有测试,完成任务时要拿出验证结果。为此,我使用五个 Skill,并把需要固定执行的规则写进 AGENTS.md。 每个环节都可以不用 skill,自己写提示词来让 AI 做同样的事,但我选择安装使用别人精心编写、反复验证过效果的 skill。 五个 Skill 的分工 Skill 主要作用 使用阶段 think 分析方案、风险和取舍 开发前 hunt 复现问题并定位根因 Bug 修复前 tdd 按测试驱动的循环实现代码 编写代码时 check 检查变更、验证结果和潜在问题 代码修改后 code-review 从项目规范和原始需求两个角度审查 按需追加审查 这些 Skill 分别约束不同环节。它们提供的是执行方法,实际结果仍要通过代码差异、测试输出和需求验收来确认。 开发流程 功能开发、修改:think 写或分析方案(按需) → 人工确认 → Agent 按 tdd 开发 → check → code-review(按需)。 Bug 修复:hunt 定位根因 → Agent 按 tdd 修复 → check → code-review(按需)。 简单、明确的任务可以直接进入开发。复杂任务先确定方案和验收标准,避免 Agent 在实现过程中反复改变方向。think 和 code-review 都按需要使用;tdd 与 check 的调用规则写进了 AGENTS.md。 ...