2026-06-03 AI 辅助开发

目录

定义
有据可查的主题
与本 Wiki 的关系
仓库内当前证据链
综合结论

定义

使用基于大语言模型的工具（IDE 智能体、MCP、项目规则等）来编写、审阅与重构软件；架构取舍、验证与集成仍由人负责。

有据可查的主题

项目上下文：把技术栈、运行环境、风格与约定集中写清楚，让模型少「瞎猜」，更接近「第二次就顺手」的质量（AI 辅助开发探索）。
角色分工：把工程师定位成智能体的编排者、输出的导师审阅者、问题的解决者，而不是唯一打字员（同上篇）。
质量与安全：始终以验证为先；留意状态、性能与安全；采用分层审阅——模型先做一遍、人在架构与业务上把关、团队照常守住质量线（如何提升 AI 代码质量）。
迭代：接受多轮循环；早期输出往往是在帮系统「弄清任务到底是什么」（如何提升 AI 代码质量）。
工具链：在 Cursor 里通过 Playwright MCP 做浏览器自动化（Cursor Playwright MCP）。
提示用语：写提示词时英文动词尽量一致、减少歧义（提示词常用词汇）。
延伸阅读：提示工程读物与 Harness 工程化资料可当书签（提示工程阅读清单，Harness 工程化链接集）。

与本 Wiki 的关系

本仓库多篇「AI 工程化」博文可串成一张主题地图（四组主题、共同主线、下一篇方向）：AI 工程化写作主轴：四主题索引与下一篇方向。
大语言模型知识库：给智能体超出单次对话的、可结构化的长期背景的一种方式。
AI 知识库：覆盖「上传资料再查询」式落地；实际开发里常把两种路子组合使用。
RAG 与 Graph RAG：知识库检索底座（向量 RAG vs 图 RAG）选型参考。

仓库内当前证据链

综合结论

主轴是治理：模型加速草稿，但正确性、安全性与可维护性的责任仍在人这边。更强的共享上下文（规则文件、wiki、工单）减少返工；把「多轮审阅、多轮迭代」写进预期，也就不必对「第一版补丁常不对」感到意外。

修订：assistant（Cursor），2026-05-16。