AI 工作流

一套完整、完善的 AI 工作流，确实能替代一部分人类的机械性工作。

拿给项目加一个带搜索、筛选和分页的列表页来说，过去，我要自己写后端接口、类型定义、请求函数、列表组件、加载态，再补上测试，大半天就这么过去了。现在，我会先让 AI 读一遍现有代码并给出方案，由我来审方案、划边界。确认之后，再由它完成接口、组件和测试的初稿，并通过测试。

但在这个过程中我也发现，AI 并不会天然地把事情做对。它可能一次性拉取全部数据再在前端过滤，可能漏掉权限检查，也可能写出能跑、却不符合项目习惯的代码。

这也是为什么我认为，一套完整的 AI 工作流，靠的不只是模型够强，更在于有没有把规则、上下文和验收标准交代清楚。比如把项目规范写进配置文件，让 AI 先出方案再动手，每次改动之后自动跑测试。这些让 AI 的产出变得可控的做法，这对于人来说，本身就是一种新的工程能力。

在这个过程中，被替代的是那些照着模板写的重复性工作，而需求判断、方案选择和最后的结果审查，依旧是人要做的事。

换句话说，AI 把写出来的成本压得很低，却把想清楚和看明白的价值抬高了。写得越快，就越需要有人对方向和质量负责。这也让我开始重新思考，自己接下来应该把时间花在哪里。