Tutorial 10: 氛围编程最佳实践

Abstract	氛围编程的最佳实践总结
Authors	Walter Fan
Status	WIP
Updated	2026-02-07

氛围编程原则 

经过前面的学习，让我们总结氛围编程的核心原则：

氛围编程核心原则

┌─────────────────────────────────────────────────────────────────┐
│                                                                 │
│   1. 清晰优先                                                   │
│      ─ AI 放大你的清晰度，也放大你的困惑                        │
│                                                                 │
│   2. 规格先行                                                   │
│      ─ 先想清楚要什么，再让 AI 实现                             │
│                                                                 │
│   3. 迭代优化                                                   │
│      ─ 不追求一次完美，快速迭代验证                             │
│                                                                 │
│   4. 保持判断                                                   │
│      ─ AI 是助手不是主人，最终决策在你                          │
│                                                                 │
│   5. 持续学习                                                   │
│      ─ 从 AI 的输出中学习，提升自己                             │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

工作流最佳实践 

日常开发工作流 

氛围编程日常工作流

┌─────────────────────────────────────────────────────────────────┐
│                                                                 │
│   开始任务                                                      │
│      │                                                          │
│      ▼                                                          │
│   理解需求 ──→ 不清楚 ──→ 与 AI 讨论澄清                        │
│      │                                                          │
│      ▼ 清楚                                                     │
│   写简要规格                                                    │
│      │                                                          │
│      ▼                                                          │
│   让 AI 生成代码                                                │
│      │                                                          │
│      ▼                                                          │
│   审查代码 ──→ 有问题 ──→ 让 AI 修改                            │
│      │                                                          │
│      ▼ 通过                                                     │
│   运行测试 ──→ 失败 ──→ 调试修复                                │
│      │                                                          │
│      ▼ 通过                                                     │
│   提交代码                                                      │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

大型功能开发流程 

需求分析阶段

与 AI 讨论需求，澄清模糊点：

我要实现一个 [功能]，请帮我分析：
1. 需要考虑哪些场景？
2. 有哪些边界情况？
3. 可能的技术挑战是什么？

设计阶段

请帮我设计这个功能的架构：
模块划分
接口设计
数据流
技术选型建议

实现阶段
- 按模块分批实现
- 每个模块完成后测试
- 及时提交，保持小步快跑

测试阶段

@module.py
请生成完整的测试用例，覆盖：
1. 正常流程
2. 边界条件
3. 异常处理

代码审查

@feature/
请审查这个功能的实现，关注：
1. 代码质量
2. 安全性
3. 性能
4. 可维护性

提示词最佳实践 

结构化提示词 

使用一致的结构让 AI 更好理解：

## 任务
[简要描述要做什么]

## 上下文
[提供必要的背景信息]

## 要求
1. [具体要求 1]
2. [具体要求 2]
3. [具体要求 3]

## 约束
- [不要做什么]
- [技术限制]

## 输出格式
[期望的输出形式]

渐进式细化 

从高层开始，逐步细化：

第一轮:

设计一个用户管理模块的整体架构

第二轮:

基于这个架构，详细设计用户注册流程

第三轮:

实现用户注册的 API 端点

第四轮:

为注册 API 添加输入验证

上下文管理 

有效管理上下文，避免信息过载：

做法	说明
使用 @ 引用	精确引用需要的文件，而不是整个项目
分批处理	大型任务分成多个小任务
及时清理	新话题开新对话
提供摘要	长对话中定期总结上下文

Rules 最佳实践 

项目 Rules 模板 

# Project: [项目名称]

## Tech Stack
- Language: [语言和版本]
- Framework: [框架和版本]
- Database: [数据库]
- Other: [其他重要技术]

## Code Style
- [代码风格规范]
- [命名约定]
- [文件组织]

## Architecture
- [架构模式]
- [目录结构]
- [模块划分]

## Conventions
- [团队约定 1]
- [团队约定 2]

## Examples
[提供示例代码]

分层 Rules 

.cursor/rules/
├── global.md          # 通用规则
├── python.md          # Python 特定
├── api.md             # API 开发
├── frontend.md        # 前端开发
└── testing.md         # 测试规范

代码质量最佳实践 

生成代码后的检查清单 

## AI 生成代码检查清单

### 正确性
- [ ] 逻辑是否正确
- [ ] 边界条件是否处理
- [ ] 错误处理是否完善

### 安全性
- [ ] 输入是否验证
- [ ] 是否有注入风险
- [ ] 敏感数据是否保护

### 性能
- [ ] 算法复杂度是否合理
- [ ] 是否有 N+1 问题
- [ ] 是否需要缓存

### 可维护性
- [ ] 命名是否清晰
- [ ] 是否有必要的注释
- [ ] 是否符合项目规范

### 测试
- [ ] 是否有测试
- [ ] 测试覆盖是否充分

代码审查要点 

不要盲目接受
- 理解每一行代码的作用
- 质疑不合理的实现
- 验证关键逻辑
关注 AI 常见问题
- 过度复杂的解决方案
- 不必要的依赖
- 忽略项目现有代码
- 使用过时的 API
保持代码一致性
- 与项目现有风格一致
- 使用项目已有的工具函数
- 遵循项目的架构模式

协作最佳实践 

团队协作 

共享 Rules

将 Rules 纳入版本控制，团队共享：

git add .cursorrules
git add .cursor/rules/
git commit -m "Add team coding rules"

建立提示词库

团队共享有效的提示词模板：

prompts/
├── code-review.md
├── test-generation.md
├── bug-fix.md
└── refactoring.md

统一工具配置
- 统一 AI 模型选择
- 统一代码格式化工具
- 统一 linter 配置

与 AI 协作 

明确角色分工
- 你: 需求、设计、决策、审查
- AI: 实现、建议、解释、生成

建立反馈循环

你的实现有以下问题：
1. [问题 1]
2. [问题 2]

请修改并解释你的改动

利用 AI 学习

你刚才使用了 [某技术/模式]，
请详细解释：
1. 为什么选择这种方式
2. 有什么优缺点
3. 什么场景下适用

常见陷阱与避免 

陷阱 1：过度依赖 

问题: 完全依赖 AI，失去自己的判断力

避免:

理解 AI 生成的每一行代码
定期手写代码保持技能
对关键逻辑进行人工验证

陷阱 2：上下文丢失 

问题: 长对话后 AI 忘记之前的上下文

避免:

定期总结对话上下文
重要信息写入 Rules
大任务分多个对话

陷阱 3：盲目接受 

问题: 不审查就使用 AI 生成的代码

避免:

建立代码审查清单
运行测试验证
关注安全和性能

陷阱 4：提示词不清 

问题: 模糊的提示词导致不理想的结果

避免:

使用结构化提示词
提供具体的示例
明确约束条件

陷阱 5：忽略规格 

问题: 跳过规格直接让 AI 写代码

避免:

先写简要规格
让 AI 确认理解
分步骤实现

效率提升技巧 

快捷键熟练度 

快捷键	用途
`Cmd+L`	快速打开 Chat
`Cmd+K`	快速内联编辑
`Cmd+I`	多文件编辑
`Tab`	接受补全
`Cmd+Shift+L`	新建 Chat

常用提示词收藏 

建立你的提示词快捷方式：

# 我的常用提示词

## 代码生成
/gen: 生成代码，要求类型注解和文档

## 测试
/test: 生成 pytest 测试，包含正常、边界、异常

## 审查
/review: 审查代码质量、安全、性能

## 解释
/explain: 解释代码的作用和原理

## 重构
/refactor: 重构代码，保持功能不变