【AI 探索】从 CodeReview 到全流程闭环：我的 AI 辅助开发实践心得

【AI 探索】从 CodeReview 到全流程闭环：我的 AI 辅助开发实践心得

引言：惊鸿一瞥后的深度拥抱

一切的开始，源于一次令人惊叹的 AI CodeReview 体验。

在那之前，我对 AI 的辅助能力还停留在“代码补全”的印象中。但看到 AI 能够精准地指出代码逻辑中的隐患、提出优雅的重构建议后，我意识到：时代变了。这不仅仅是一个工具的升级，更是一种开发模式的变革。

受到这次冲击后，我开始较为深度地在日常开发中使用 AI IDE，尝试将更多的任务交付给它。经过一段时间的摸索与实践，我总结了一些心得，并在团队分享会上进行了汇报。今天，我想把这些思考落实成文，与大家分享。

核心理念：构建“自我闭环验证”能力

对于当前的 AI 模型能力，我持非常积极的态度。在大量的实战中，我悟出了一个关键道理：
只要让 AI 具备“自我闭环验证”的能力，它就能高效地帮我们完成更多事情。
很多时候，我们不敢放手让 AI 做事，是因为担心它写出“看似正确实则无法运行”的代码。一旦我们将 验证环节 也交给 AI，让它不仅负责“写”，还负责“证”，信任链条就打通了。

我的 AI 开发新流程

基于“闭环验证”的理念，我重构了自己的开发流水线。现在的完整流程如下：

1. 业务代码开发 ：由 AI 初步完成核心逻辑。
2. 代码风格检查 ：确保生成的代码符合团队规范（Linting）。
3. 测试驱动与自我运行 ：
   • 让 AI 编写接口测试和单元测试。
   • 关键点 ：让 AI 自己运行这些测试，并修复报错，直到测试通过。
4. 覆盖率验证 ：通过测试覆盖率报告，确信代码的健壮性。
5. AI CodeReview ：提交到 GitLab 后，再次利用 AI 进行代码审查，查漏补缺。
   在这个流程中，我从“代码编写者”转变为了“需求定义者”和“最终验收者”。

实战案例：让 AI 自己证明自己

为了更直观地说明，举一个最近的实战需求： feat(order-warn-text) 。

需求背景 ：支付成功率报警文案中的链接，需要改为“可点击”状态。

传统做法 ：
我需要找到拼接字符串的地方，修改 HTML 标签，然后启动本地服务，造数据触发报警，查看效果。

AI 辅助下的做法 ：

1. 定位与指令 ：我只需要确定大概修改哪个文件，然后用精确的语言告知 AI：“我希望将这里的报警文案链接改为 HTML href 格式，实现可点击效果。”
2. 闭环验证要求 ：我没有直接看它生成的业务代码，而是对它说：“请编写一个相关的单元测试，该测试的输出结果需要包含一段生成的 HTML 片段，我要直接看这段 HTML 来验证链接是否正确。”
3. 结果验收 ：AI 迅速写好了代码和测试，并跑出了结果。我直接查看测试输出的 HTML，确认标签结构无误，链接可跳转。
   结论 ：
   在这个过程中，我完全不需要关心它是如何拼接字符串的，也不需要费力去启动整个服务。 只要它能通过测试输出让我信服的结果（比如那段 HTML），我就认可它的工作。

总结

AI 不仅仅是帮你少敲几个键盘的助手，它完全可以胜任更复杂的“开发-测试-验证”全流程。

关键在于我们如何给它下达指令，以及如何设计“验收标准”。当我们学会利用单元测试和自动化流程让 AI 实现“自我闭环”时，我们的生产力将得到质的飞跃。

未来已来，拥抱变化，让我们做更聪明的开发者。

写在最后

注：本文基于自己的心得，使用 AI 扩展而来。原文如下：

「AI 探索」

• 在看到 AI CodeReview 的令人惊叹的效果后，较为深度地开始使用 AI IDE 完成了不少任务，总结了心得并在分享会进行了团队内分享
• 对于当前 AI 模型能力持较为积极态度，意识到只要让 AI 做到自我闭环验证的能力就可以更高效的让 AI 完成更多事情
• 业务代码通过 AI 开发完成后，确保代码风格没有问题，让 AI 编写接口测试、单元测试并自我运行，通过测试覆盖率进行自我验证，提交到 Gitlab 后通过 AI 进行 CodeReview 的完整开发流程
• 例如 feat(order-warn-text): 支付成功率报警，文案链接改为可点击 这个需求，我只需要确定应该在哪里修改相关内容，用精确的语言告知 AI 我想要实现的目标和效果，并让他编写相关的单元测试，该单元测试能够生成 HTML 让我再检查一下是否真的可点击，就不需要我再关心他是如何实现这个需求的了