V2EX 一位开发者近日分享了个人沉淀的 20 条 AI 编程最佳实践，覆盖需求、规则、编码、排查、审查、发布六个环节，可供开发者与 AI Agent 协作时直接复用。需求层面，作者提出从技术实现细节编程转向许愿式编程：模型能力已足够强大，开发者应大胆提出想法与高要求，多讲清背景、目标和预期效果，少替 AI 考虑技术细节；坚持使用最强模型，新功能与配置须由 Agent 先行确认，任务拆分为最小可用版本并及时提交以便随时回滚。规则层面，建议训练 Agent 理解自己的指令语义，如“看看”只分析不改码、“修复”才动手；AGENTS.md、CLAUDE.md 中只写代码里看不出的规则，密钥与 token 一旦粘贴即视为泄露须立即更换；关键约束不能只依赖提示词，必须用规则脚本实际跑通才算完成。编码与排查方面，动手前先让 Agent 说明改动范围与影响，并基于项目搭建可自验证的脚本与测试集；多 Agent 并行时使用独立 worktree 目录互不干扰；修 Bug 先找原因，两次未修复就加日志观察真实数据，三次未解决则清空上下文重新描述问题。审查与发布环节，写码与审查的 Agent 必须解耦防止互相带偏，Review 最多三轮且第二轮起只看新改动；删除、付费、发布等单向门改动须人工亲自验证；提交信息要写清改动内容、验证方式与回滚方案，对外功能先小范围试用再逐步放量。
事件分析
这份实践清单折射出 AI 编程范式的几个关键转折：其一，开发者角色正从实现者转向需求定义者与验收者，许愿式编程背后是模型能力提升带来的抽象层级上移；其二，工程护栏的地位已超过提示词技巧，用脚本强制验证替代 prompt 约束、对删除与支付等单向门操作保留人工确认，说明业界开始以软件工程方法治理 Agent 的不确定性，而非寄望于模型自觉；其三，AGENTS.md、CLAUDE.md 等约定正在成为事实标准，Agent 的行为规范与项目记忆开始沉淀为可复用的团队资产。后续可预期的是，worktree 隔离、审查解耦、上下文重置等一线经验将逐步固化进 Claude Code、Cursor 等工具的产品能力中，AI 编程的竞争焦点也将从模型本身转向工作流与规范体系的建设。
核心观点：当模型能力趋同，AI 编程的胜负手从提示词技巧转向护栏设计与工作流规范，管好 Agent 正成为工程师的新元技能。
原文链接：V2EX 分享发现
