AI的隐藏礼物：我们正在重新发现编程实践

Source: Dev.to

介绍

开发者正在寻找从大型语言模型（LLM）获取可运行代码的最佳方式。为了避免陷入“vibecoding”陷阱，许多人正在采用更结构化的方法。

Spec Kit 与四个指导性问题

最近的一次讨论强调了 Spec Kit 及其 Specify → Plan → Tasks → Implement 过程，这与 GitHub 使用 AI 编码的方式相吻合。文章 The AI development trap that wastes your time (Samuel‑Zacharie FAURE, Oct 30 ‘25) 提出了四个问题，帮助在过度提示后重新掌控：

1. 我是否完全理解我想要实现的规格，或想要解决的 bug？
2. 我是否有一个明确的实现变更的计划？
3. 我现在应该在什么抽象层次上进行提示？
4. 我还缺少哪些其他信息？

这些问题捕捉了严谨编码的本质。

回归核心编码实践

为了从 AI 及其他工具中获得更好的结果，我们需要回到编码的基础：

• 理解要解决的问题。
• 将问题拆解为更小、可管理的部分。
• 在适当的抽象层次上思考。
• 提出足够的澄清性问题。

讽刺的是，AI 正在促使我们重新审视本不该放弃的思维方式。它揭示了谁在保持良好的编码卫生。

来自《Street‑Smart Coding》的教训

《Street‑Smart Coding》（第 3 章）中的一个教训是 “不要急于编码。” 当 AI 充当编码助手时，这一原则显得尤为重要，强调 上下文优先于代码——无论是否使用 AI。