探索AI编码的最佳实践

AI如此强大，以至于任何试图亲自解决问题的举措都会显得笨拙不堪。然而不要忘记，提出正确的问题才是最难的事情。——我瞎说的

目前在使用大模型写代码时，一般来说超过5k token就处理不了了。所以我们在使用AI做开发的时候，经常会觉得所有AI开发工具都不得劲。因为AI根本没有全局观念，特别是当项目体量变大的时候，你让AI去修改某些东西，他根本就不会去想已经实现了什么东西，时时刻刻都表现得像个刚加入团队的新人，用起来十分恼火。

有限制的token就像人的工作记忆，人的工作记忆也是有限的，那么人类是怎么解决这个问题的呢？人类会对问题有一个整体的概念，人类还会分解问题，制定计划。当需要多人协作的时候，会把任务的边界制定清楚，划分模块，定义接口。即便如此，人类在开发大型项目时，也会遇到诸多问题，比如：在开发大型项目时人类也重复造轮子；项目太复杂以至于开发者自己都搞不懂它；即使是自己的项目，写着写着就忘记以前写的是什么意思了。

“系统工程”对构造复杂系统提出了一些理论指导。系统工程指出管理系统生命周期的方法有以下几种：

1、计划驱动方法：按照需求、设计、构建、测试、部署的范式进行。

2、渐进迭代式开发（IID）：提供连续交付以达到期望的系统。

3、精益开发：起源于丰田的“准时化”哲学思想，是一个动态的、知识驱动的、以客户为中心的过程。

4、敏捷开发：强调持续交付、欢迎需求变更、面对面交流、简单性、动态调整。

人具有自适应性，可以自发组织，具有很强的应对变化的能力，所以当我们发现方法1并不符合实践出真知、螺旋上升等认知规律的时候，我们发展出了方法234等，AI目前似乎并不具有这种自适应性。所以我认为目前AI的最佳实践还是计划驱动方法。

计划驱动方法按照既定的计划和步骤推进项目，强调在项目开始前对需求、设计、开发、测试、部署等各阶段进行详细规划。该方法具有以下特点：

一是线性推进，各阶段按顺序依次进行，前期工作完成后才进入下一阶段；

二是强调文档化，每个阶段都需要产出相应的文档，如需求规格说明书、设计文档等，以便后续工作和沟通；

三是注重阶段性评审，各阶段结束时进行评审，确保工作成果符合要求。

计划驱动方法适用于需求明确、变更较少的项目，有助于提高项目管理的可控性和可预测性。至少我们可以在某一时刻形成一个需求快照，让AI就这一时刻的需求，做出一个最好的应答。

将计划驱动方法类比到人类与AI的协同开发流程中，我们可以：

- 宏观上按阶段推进，微观上引入Sequential Thinking

- 文档先行，用文档记录整体概念与局部概念

- 合理拆分，分解问题到适合AI处理的（比如5k token）

- 与AI沟通时附上相关文档，确保AI在解决局部问题时也了解整理概念

- 每个阶段的产出都需要人工介入评审，确保工作成果符合要求

唯一的问题是，也许某一天AI突破了token限制，这种与AI协同开发的工作方法论就会变成一种自然涌现。