AI Coding 实操指南：区分手动改代码与交给 AI 改

一、核心总纲

核心原则：谁最清楚问题、问题根源、完整修改方案，就由谁来完成修改。

一句话总结：2 秒就能完成的微小改动直接手动处理；预估耗时 2 小时以上的复杂大规模改动，优先交给 AI 完成。

AI 编码的核心目的不是单纯减少手写代码量，而是释放人力，把时间投入架构设计、业务思考等高价值工作。

二、两类改动划分标准

1. 小改：自己手动修改

需要同时满足全部条件，手动修改效率更高：
精准找到问题对应的文件与代码行数；
完全明白故障出现的根本原因；
脑海里有清晰完整的修改方案；
改动代码行数仅 1~15 行，仅影响局部逻辑，不需要联动多个文件；
属于日常高频、固定格式的微调操作。

典型场景：单行判断逻辑修正、变量参数数值调整、简单条件语句修改、文案与配置文件微调。这类改动人工 2 秒就能完成，如果交给 AI，还要撰写提示词、等待生成、反复核对修正，反而额外消耗时间。

2. 大改：交给 AI 处理

满足任意一条，都优先交由 AI 执行：
无法定位问题根源，需要工具辅助排查 bug；
需要修改 20 行以上代码，改动会横跨多个文件、多个业务模块；
改动影响范围大，会联动多个系统、多个业务链路；
纯机械重复的批量处理工作；
代码重构、全新功能开发、复杂逻辑拆解、整体架构调整。

典型场景：项目全局批量替换内容、遗留老旧代码重构、完整新功能开发、跨模块故障排查、多文件统一逻辑改造。

三、三级改动执行建议

小改（秒级，15 行以内局部调整）：全程人工自主修改，无沟通成本，执行速度最快。适合单行逻辑、参数配置、简单文案调整这类场景。

中改（分钟级，少量跨文件改动）：由 AI 生成初稿代码，人工完整复核逻辑、修正细节后再上线。适合少量跨文件同步修改、小型新增接口这类场景。

大改（小时级，重构 / 全新功能）：以 AI 作为开发主力完成代码产出，人全程把控需求边界、验收标准、线上风险兜底。适合系统重构、完整业务模块开发、底层架构调整这类场景。

四、低效做法与高效推荐模式

需要避开的低效操作

明明几十秒就能手动改完的微小代码，依然花费精力编写提示词交给 AI；AI 产出代码存在漏洞后，反复重新提问纠错，大量时间浪费在人机对齐沟通上。

推荐高效执行思路

第一步先判断改动规模，小改动直接手动修复，不打断开发思路；
遇到大规模复杂改动再交给 AI，清晰定义需求边界、校验标准；
全程由人把控业务风险、校验代码逻辑，把节省下来的精力投入架构、业务方案等高价值思考。

五、标准落地完整流程

梳理清楚需求与预期目标 → 判断改动等级，确定人工修改还是交由 AI 处理 → 执行对应修改操作 → 人工复核代码 + 单元测试保障质量 → 提交代码上线，持续迭代优化。

每一次修改前先完成分级判断，避免两种极端：无差别全部依赖 AI、或是完全拒绝 AI 辅助。

AI开发流程 AI代码理解 ai方法 AI创作规范 AI编程方法 ai代码索引 AI创作流程