AI时代对Coding的思考

Coding的四个时代

第一时代：古法编程手搓代码时代

第二时代：大模型网页对话时代

第三时代：AI编程工具时代，cursor，claudeCode，Codex

第四时代：SDD模型（Spec-driven development）规范驱动开发。先有文档，后有代码。形成各种规范文档、约束文档。对话的最终结果是以文档的形式存在。

 

 

一套最佳实践

ClaudeCode + OpenSepc 全流程开发

1.工具准备

OpenSepc安装

 

2.openspec init 初始化

在项目目录下执行命令 

openspec init --tools claude   ，完成项目目录初始化

 

3./opsx:explore  探索想法

"/opsx:explore 根据我上传的图片和导入模板，以及下面描述的具体规则，生成完整的需求文档。"

OpenSpec分析后会反复追问，需要澄清并敲定细节

补充相关规范及约定

 

4.进入 proposal 阶段

反复提问+修改生成最终需求文档和规则定义

 

 

5.生成技术方案文档

对技术方案选型，调整，确认实现细节，补充边界限制，代码风格及相关规则。

记录方案版本修改记录，方便版本管理

 

 

6./opsx:apply  实施阶段

AI生成代码人工Review，模型校验，代码优化。

AI单元测试。

 

7.AI验证  

不止代码验证，功能验证。更需要对最原始需求文档的需求意图负责。

 

 

技巧：
一次提示词通常不能完整表达或者AI完全理解每一处细节，通常需要AI多次提问反复确认。

团队约定、事务控制、幂等设计、入参校验、关键日志等方面整理成结构化提示词模板，沉淀到 claude.md文件。

代码审查方法，单元测试，接口文档生成等都可以沉淀成skill，通过渐进式披露让agent按需读取使用。

AI生成代码具有不可靠性和幻觉，最终还是要开发人员理解需求并人工review。

尽量避免AI对老代码重构，遵循开闭原则。

AI工具在"知道语言"和"理解工程"之间存在断层，尽量让AI去做重复性，业务复杂度低的工作。

贵模型做复杂和决定性的事，比如需求文档梳理，技术方案生成。便宜模型做简单快速的事，比如跑测试用例，生成接口文档等。

权限警惕，密钥、证书这类文件，默认就不应该让 AI 读取或修改；删除文件、数据库迁移、推送远程、改 CI 配置这类操作，必须人工确认；登录、支付、权限、上传、Webhook 这类模块，改完要单独做安全 Review。

 

 

 

 

对未来的思考

只专注于技术本身带来的边际递减效应越发明显，AI掌握的纯技术能力足以cover大部分的场景，技术人员本身更需要关注业务产品和抓住用户。

利用AI以实现技术更好服务于业务的最终目的。

 

围绕AI重建工作流。

 

用技术手段，以最低成本、最快速度、最小风险，实现业务目标。 除此之外，都是自嗨。

 

发现需求，解决痛点，带来价值。