第 5 章 管住 AI:规则、工作流和审查
第二部分 让 AI 把它做出来 · 正文初稿
这一章是初稿,还会修改。

本章要回答
为什么同样的工具有人用得很笨;规则文件怎么写;工作流为什么比提示词重要;怎么审 AI 交回来的东西。
示例项目推进到哪
写一份 餐厅后台的 AGENTS.md。
读完这一章,你能做成三件事:给餐厅后台写一份规则文件,让 AI 每次开工前先读它;把一次改动按固定的工作流交给 AI;AI 交回结果时,用四个问题审它:任务说清没有,它改了什么,结果对不对,有没有越界。
本章默认你已经学过 GitHub 入门小课。分支、提交、PR 怎么操作,小课里都有,这里只讲判断。
同一个工具,为什么有人用得很笨
先看一分钟动画,再读下面的细节:
我跟一个电商老板聊过 Codex。他说豆包都比 Codex 好用。后来我看了他的使用过程。拖慢他的是工具没调好,模型本身没什么问题。
有一次线下活动,大家做同样的网站。我用 5 分钟部署好了。有人花了半个小时还没弄完。我把大家的使用过程拉出来对比,卡住的地方大多是同几处:
| 卡在哪 | 表现 | 我的做法 |
|---|---|---|
| 权限 | 改个文件、跑个命令,都停下来等你点允许 | 在确认过的项目里放开权限,让它连续做完改代码、跑测试、部署 |
| 插话 | 任务跑到一半,发现方向错了,插不上话 | 设成随时能插话的模式,发现它理解错了立刻叫停 |
| 会话 | 一个对话聊太久,塞满旧需求、废弃方案和报错 | 卡住就开一个干净的新会话,把要紧的背景带过去 |
| 网络 | 反复显示「正在重新连接」 | 先查网络、代理和服务商,别先怪模型 |
| 找回旧方案 | 不记得上次做到哪、怎么解决的 | 用任务搜索翻项目名、报错词 |
第一项要多说一句。放开权限的前提,是改坏了能退回来:项目在 Git 里,改动在分支上做(见 分支和 PR),规则文件写清了哪些命令不许用。三样都有,放开权限才安全。缺一样,就别放开。
模型之间确实有差距。一位在大厂做模型相关工作的朋友跟我说,同一家公司的模型,不同业务会按任务挑不同尺寸。简单、重复、出错代价低的任务,用小而便宜的模型;多步推理、要读大量代码的任务,用强的模型。这个判断要在任务说清楚之后才能做。任务没说清,换哪个模型都在猜。
所以觉得 AI 笨的时候,按这个顺序查:工作台设置好了没有,任务说清了没有,最后才查模型够不够强。
工作流比提示词值钱
我看过一个工程师的案例。他让 AI 读一套 C++ 代码,生成详细设计文档。第一次,他把整件事交给一个 AI,拿回来一份粗糙的框架。第二次他没换模型,只改了分工:一个 AI 做规划,几个 AI 分头研究不同模块,最后一个 AI 汇总和检查。按他的记录,第二次的产出体量是第一次的七倍多。
体量大,不等于质量高七倍。但模型没换,只换了分工,结果就明显不同。
提示词管的是一轮对话。工作流管的是整件事:先做什么,后做什么,谁来检查。复杂任务都可以拆成三步:说清目标,拆开任务,单独验收。
落到写代码上,我给餐厅后台用的工作流是这样:
- AI 读规则文件和相关代码。
- AI 用自己的话复述任务,列出要改哪些文件、不改什么、怎么验证。你确认后它再动手。
- AI 在分支上小步改,每改完一块跑一次验证。
- AI 交回一份报告:改了哪些文件,跑了哪些命令,结果是什么,哪些没验证。
- 你按本章后面的四个问题审。通过了才合并。
第 2 步最容易被跳过,因为它看起来慢。可最浪费时间的情况,是 AI 已经写了二十分钟,你才发现它理解的根本不是你要的东西。
第 1 步和第 4 步每次都一样。每次都在对话里重复,迟早会漏。把它们写进规则文件。
规则文件:把规矩写一次
规则文件是放在项目根目录的一份说明,AI 每次开工前会先读它。不同工具认的文件名不同,常见的是 AGENTS.md 和 CLAUDE.md。写一次,之后每个任务都受它约束。
做餐厅后台时,题目明确要求重度使用 AI,评分也看你怎么管住 AI。我写的 AGENTS.md 有十几节。按作用归一下,是这几类:
| 类别 | 写了什么 |
|---|---|
| 开工前读什么 | 先读这份规则,再读题目原文;子目录有自己的规则时,动那个目录前先读 |
| 事实以哪里为准 | 目录结构是固定的;数据以数据表定义为准,接口以后端生成的接口描述为准,前端的类型和请求代码从接口描述自动生成,不手写 |
| 硬性禁止 | 不许换掉指定的技术栈;不许让前端决定订单总价;不许做「传什么状态就改成什么状态」的接口;不许接受售罄的菜;不许为了消掉类型报错去改自动生成的文件;不许做和题目无关的大改 |
| 谁负责什么 | 后端负责存数据、校验、算金额、查菜能不能卖、推进订单状态;前端负责展示和交互 |
| 怎么证明做完了 | 交付前跑接口生成、类型检查、测试和代码检查;后端测试必须覆盖五种下单行为;证明不了,就写清哪条命令失败、为什么、哪些没验证 |
| Git 规矩 | 每做完一件完整的事就提交;提交前看改动,只提交本次相关的文件;不许用会丢数据的命令 |
| 安全 | 不打印密钥;不提交 .env 和数据库密码;新加的依赖要说得出用途 |
| 交付清单 | 最后逐项对照:几个页面都能用,下单能走通,测试覆盖订单规则,README 写清了怎么跑、做了哪些取舍 |
写的时候我有几条判断。你写自己的规则文件时也用得上。
禁止项写 AI 最容易犯、代价又最高的错。 「让前端决定总价」是一个例子。AI 做下单页时,在页面上把价格加起来提交给后端,是最省事的写法。这样一来,谁改一下请求里的数字,就能让一桌菜只收一块钱。「为了消掉类型报错去改生成文件」也是。AI 遇到报错,倾向于在最近的地方改。生成文件下次一重新生成,改动就没了,问题还在。
写清事实以哪里为准。 一个项目里,同一样东西常有好几份:数据库里一份,接口里一份,前端又一份。AI 不知道哪份说了算,就会改错地方。规则里写一句「数据以数据表定义为准,前端类型从接口自动生成」,它就知道改一个字段要从哪里改起。
写清怎么证明。 只写「改完要测试」不够。要写出具体命令,写出哪些行为必须有测试。还要写一条:证明不了的时候,说清哪些没验证。这一条最要紧。没有它,测试跑不起来时,AI 照样会告诉你「已完成」。
Git 规矩用小课的。 让 AI 操作 GitHub 那一课给了一段现成的 Git 规则,直接放进去。
规则不用一次写全。 AI 犯了一次值得记住的错,就补一条。
下面是一份可以直接用的起点。存成项目根目录的 AGENTS.md,再按你的项目改:
# 餐厅后台规则
## 开工前
- 先读本文件和 README。改某个目录前,先读那个目录里的 AGENTS.md(如果有)。
- 不确定某个库怎么用时,先查官方文档或源码,不要凭印象写。
## 以哪里为准
- 数据结构以后端的数据表定义为准。
- 接口以后端生成的接口描述为准。前端的类型和请求代码从它自动生成,不手写。
## 不许做
- 不许让前端决定订单金额。金额由后端按菜单价格计算。
- 不许提供可以把订单改成任意状态的接口。状态只能按规定的顺序推进。
- 不许接受已售罄的菜品下单。
- 不许修改自动生成的文件来消除报错,要改生成它的源头。
- 不许做和当前任务无关的重构或改名。
- 不许为了让测试通过去删测试或放宽断言。
## 分工
- 后端负责:存储、校验、金额计算、可售检查、订单状态推进。
- 前端负责:展示、交互、提示信息。
## 做完要证明
- 交付前运行类型检查、测试、代码检查、构建。命令见 README。
- 改了前端,就在浏览器里走一遍改到的页面。
- 交回时写清:改了哪些文件;跑了哪些命令、结果是什么;哪些没验证、为什么。
## Git
- (把 GitHub 入门小课第 6 课的规则放在这里)
## 安全
- 不打印、不提交任何密钥和 .env 文件。
- 新加依赖前说明用途。让代码好找、好改
规则文件告诉 AI 规矩。代码本身的结构,决定它守不守得住。
AI 进到一个项目,和新人接手代码一样,要先找入口,看懂哪块负责什么。它最怕两件事:找不到该改哪里;改了一处,不知道会影响哪里。
三条老原则正好对着这两件事:
- 高内聚:相关的逻辑放在一起。下单相关的规则都在下单模块里,AI 一找就到。
- 低耦合:模块之间少牵连。页面不直接查数据库,改页面就不会误伤数据。
- 单一职责:一个函数只做一类事。叫
handleData、processAll的函数,往往什么都做,改一处牵一片。
餐厅后台按这个分了层。接口入口只做三件事:读参数,调业务函数,返回结果。算金额、判断状态能不能变这些业务规则,放在单独的领域模块里,并且有测试。数据读写单独一层。要改金额规则,AI 直接去领域模块,改完跑那一组测试。
分层不用你自己设计,交给 AI。你检查两件事:从目录名和文件名,能不能猜到要改的地方;改完以后,有没有测试或构建能证明没误伤别处。两件都做不到,先让 AI 整理结构,再加功能。细节见 对 AI 友好的代码。
一次任务怎么交
有了规则文件,每次派活只写这次特有的东西:目标、范围、不做什么、怎么算做完。
下面是给餐厅后台加「最低下单金额」时,我会发给 AI 的话:
任务:设置里加「最低下单金额」,菜品小计低于它时,后端拒绝下单。
目标:餐厅能在设置页填一个最低下单金额,默认 0,表示不限制。下单时菜品小计低于这个金额,后端拒绝,返回明确的错误码;前端提示「未达到最低下单金额」。
范围:设置的数据和接口加一个字段;下单的业务函数加一条检查;设置页加一个输入框;下单表单显示这个错误。
不做:不改税率和金额的算法;不改订单状态规则;不调页面样式。
做完的标准:
1. 最低金额设为 50 元:下一单 28 元的,被拒绝,提示清楚;下一单 56 元的,成功。
2. 最低金额为 0 时,行为和现在完全一样。
3. 新规则有后端测试;原有测试全部通过;类型检查和构建通过。
先按 AGENTS.md 读相关代码,用你的话复述任务,列出要改的文件和验证方法。我确认后再动手。AI 干活的时候,你不用盯着每一行。但要做两件事:
- 看到方向错了,立刻叫停。 最怕它沿着错误方向勤快了十分钟。直接说:「停,这个接口别重写,先查现有实现。」
- 会话乱了就换。 一个会话里堆了三个废弃方案和一堆旧报错,它会越来越像在猜。开一个新会话,把任务和规则文件带过去。
让 AI 查问题时,给它证据,别给情绪。「还是不行,你再改改」没有用。要说清:哪个页面,按什么顺序做了什么,实际结果是什么,你期待什么,报错原文是什么。再加一句:先定位原因,只修这一个问题。这套方法第 13 章(出事了先找证据)会细讲。
怎么审 AI 交回来的东西
AI 说「完成了」,只能说明它执行过。能不能合进主线,用四个问题审。
1. 任务说清没有。
这一问在动手前就要问。看 AI 的复述:它说的目标、范围、不做的事,和你想的一样吗?它列的要改的文件,和任务对得上吗?对不上,先改任务,别让它开工。很多返工,根子都在这一步。
2. 它改了什么。
打开 PR 的改动页面,先看文件清单,再看内容。重点看这几类:
- 有没有和任务无关的文件。
- 有没有改自动生成的文件、锁文件、配置文件。
- 有没有加新依赖。
- 有没有删东西,尤其是测试。
- 测试里的预期值有没有被改。
你不需要读懂每一行代码。文件清单和任务对不上,就足够打回去。
3. 结果对不对。
别看 AI 的结论,看证据:它跑了哪些命令,输出是什么,检查是不是全绿。然后你自己走一遍改到的功能。最低下单金额的例子,就是设一个最低金额,先下一单低于它的,再下一单高于它的。什么叫做完、测试先测哪里,下一章(什么叫做完了)专门讲。
4. 有没有越界。
拿规则文件的「不许做」逐条对一遍。再看几样规则里不一定写到的:有没有碰密钥和环境配置;有没有跨层调用,比如页面直接查数据库;有没有动别的任务的代码。
小课第 6 课讲了在 PR 页面上看哪四处。这四个问题讲的是,看的时候要判断什么。
判断力从哪来
很多人说,有了 AI,人只需要负责判断。可判断力从哪来?你不知道 AI 会在哪里出错,审它的时候,就只能一路点同意。
上面规则文件里的每一条禁止项,都是一次具体的判断:金额不能让前端说了算,状态不能随便改,生成文件不能手改。这些判断来自你知道业务里什么东西出错代价最高,和用哪个工具无关。第 2 章(先弄清业务怎么转)讲的业务流程,就是这些判断的来源。
会用 Claude Code 和 Codex,已经很难证明一个人的价值。如果你只能执行,决定不了做什么、什么算完成,你就成了 AI 时代的力工:别人定义问题,AI 给出实现,你负责修报错和提交。
AI 可以写代码、写测试、查问题。系统出错以后的后果,它替你担不了。规则文件、工作流和审查,都是为了让你担得起这个后果。
本章做完的样子
- 餐厅后台根目录有一份
AGENTS.md,写了以哪里为准、不许做什么、前后端分工、怎么证明做完、Git 规矩和安全要求。 - 你用本章的派活模板交了一个任务。AI 先复述,你确认后它才动手。
- 这个任务的 PR,你按四个问题审过:看过文件清单和检查结果,亲手走过一遍改到的功能。
- AI 犯过的错里,值得记住的已经补进规则文件。
这一步谁来做
| 交给 AI 的 | 你要判断和验收的 |
|---|---|
| 写代码、改代码、写测试、查问题。 | 任务说清没有;它改了什么;结果对不对;有没有越界。 |
相关阅读
上一章:第 4 章 把需求拆成 AI 能做、你能验的任务 · 下一章:第 6 章 什么叫做完了