我用AI写了三个月代码，踩过的坑比写过的Prompt还多

前阵子看到一个段子：”用Cursor写代码就像开自动挡——你觉得自己会开车了，直到有一天需要上赛道。”

笑完之后我沉默了。因为这说的就是三个月前的我。

三个月前，我还是个快乐的Vibe Coder。打开Cursor，描述需求，AI给代码，复制粘贴，跑通收工。效率很高，心情很好，同事问我”你怎么写代码这么快”，我还挺得意。

直到有一天，我用AI写的一个支付回调模块上了线。它在测试环境跑得完美——因为测试环境没有并发。线上一有并发请求，同一笔订单被处理了两次。客户多扣了钱，CTO半夜给我打电话。

那一晚我盯着AI生成的代码看了两个小时，发现一个残酷的事实：这段代码的每一行我都看得懂，但我完全没有想过它在并发场景下会怎样。

这不是AI的锅。这是我的锅。我用AI的方式，从一开始就是错的。

Vibe Coding的”蜜月期”有多甜，”翻车期”就有多疼

先别急着否认——你大概率也经历过（或正在经历）Vibe Coding的蜜月期。

症状是这样的：你发现AI能帮你写80%的代码，于是你开始把越来越多的事情交给它。从简单的工具函数，到业务逻辑，到数据库操作，到API设计。你的Prompt越写越顺，AI的输出”看起来”越来越对。

关键词是”看起来”。

我翻了一下自己蜜月期写的Prompt，发现一个规律。我的Prompt基本上都长这样：

“帮我写一个用户注册的接口，用Express + MongoDB，要校验邮箱格式。”

看着挺完整对吧？但你想想这里面有多少东西没说：密码怎么存？要不要加盐哈希？邮箱要不要做唯一性校验？并发注册同一个邮箱怎么处理？注册失败要不要回滚？返回的错误信息格式是什么？

这些我都没说。不是我故意省略，是我压根没想到。因为Vibe Coding的思维模式是”描述我想要什么”，而不是”定义系统应该怎样运行”。

AI很乖地给了我一个”能跑”的实现。没有密码哈希（它用了明文存储），没有唯一性校验（两个人能注册同一个邮箱），错误处理用的是一个裸的try-catch吞掉所有异常然后返回500。

代码能跑，和代码能上线，中间隔着一条太平洋。

从”说人话”到”立规矩”：第一次跃迁

翻车之后，我做的第一件事不是学更高级的Prompt技巧，而是写了一份文件。

这份文件不长，大概200行。它不是给人看的，是给AI看的。内容包括：

项目用TypeScript strict模式，不允许any
所有数据库操作必须包在事务里
密码存储使用bcrypt，不少于12轮
错误处理使用自定义的Result类型，禁止裸try-catch
API返回格式统一为 {code, data, message}
每个函数必须有JSDoc注释

这份文件叫CLAUDE.md。它本质上就是一份”规矩”——你不用每次都口头交代，AI开工前自动读取。

效果立竿见影。同样是”帮我写一个用户注册接口”，加了规矩之后，AI给出的代码自动带上了bcrypt、唯一性校验、事务、标准错误返回。不是因为AI变聪明了，是因为我把”隐性知识”变成了”显性规则”。

但这只是第一步。

光有规矩还不够，你还得学会拆活。以前我是这样下达任务的：

“帮我实现整个用户模块，包括注册、登录、修改密码、忘记密码。”

一口气让AI写一个完整模块，听着很高效。实际上呢？AI写了500行代码，你花两个小时review，发现十几个问题，改了这个又破了那个。这不叫高效，这叫给自己挖坑。

后来我学会了拆：

“第一步：帮我写一个validateEmail函数，输入string，输出boolean，要处理空字符串、格式不合法、长度超过254的情况。附带5个测试用例。”

一个函数，一组测试，验收标准清晰。写完跑测试，全绿，下一个。就像搭乐高——一块一块拼，每块都确认牢固了再往上加。比起糊一个大泥巴然后祈祷它不塌，这种方式慢吗？不。因为你省掉了所有的返工时间。

然后是第三个关键变化：让机器替你把关。

AI写完代码之后，不是你用肉眼去看”嗯，差不多”，而是自动跑一套检查：TypeScript编译、ESLint、单元测试。哪个没过，AI自己去修，修完再跑，直到全部通过。

你从”手动验收”变成了”自动化质检”。代码质量不再取决于你当天的精神状态。

这三个变化——立规矩、拆任务、自动检查——合在一起，就是从Vibe Coding到结构化编程的跃迁。

听着好像没什么技术含量？对。它不需要你学任何新技术。它需要的是一个认知转变：你不是在”使用”AI，你是在”管理”AI。

好的管理者不会跟下属说”你帮我把这事儿办了”然后甩手不管。他会给标准、给流程、给验收方式。

从”管好一个AI”到”设计一条流水线”：第二次跃迁

结构化编程让我的效率提升了一大截。但用了一个月之后，我发现了新的瓶颈：每个任务都需要我亲自操盘。

拆任务是我拆，下指令是我下，验收是我验，改不对了还是我来重新引导。我就像一个勤劳的项目经理，每件事都安排得井井有条——但我一天还是只有24小时。

转折点出现在一个周末。我有一个重构任务：把一个monolith项目里的用户模块抽出来变成独立服务。涉及14个文件，三层依赖关系，改动量巨大。

按照我之前的做法，拆成小任务一个一个来，大概需要一整天。

那天我试了一种新方式：

我写了一份需求文档，描述了重构的目标、约束条件、不能动的接口
我配置了一个工作流：AI读文档 → 自动拆任务 → 在独立分支上逐个完成 → 每完成一个跑测试 → 全部完成后提PR
我点了”开始”
我去吃了个午饭

回来的时候，14个文件全部改完了。测试全过。PR里的diff我review了半个小时，只发现了两个可以优化的点，都不是bug。

那一刻的感觉很奇妙。不是”AI帮我写了代码”，而是”一个系统替我完成了工作”。

这就是第三段位——系统化编程。你的角色从”使用AI的程序员”变成了”设计AI工作流的架构师”。

这个段位需要的技能和前两个完全不同：

工作流设计。 你得想清楚整个流程怎么串起来。不是”AI帮我写代码”这种单点操作，而是一条完整的流水线：需求输入 → 任务拆解 → 代码生成 → 自动测试 → 代码审查 → 合并发布。每个环节谁来做、怎么衔接、出错了怎么处理。

多Agent协作。 一个AI做所有事情效果很差，就像让一个人同时当厨师、服务员和收银员。写代码的Agent专注写代码，review的Agent专注找问题，测试的Agent专注搞破坏。它们各司其职，通过流程串联起来。

上下文工程。 大项目不可能把所有信息塞进一个对话窗口。你需要精心设计：哪些信息在什么时候传递给哪个Agent。项目规范放在CLAUDE.md里全局生效，模块说明放在对应目录的AGENTS.md里按需加载，临时上下文在对话中动态传递。这不是”多写点Prompt”的问题，这是信息架构设计。

质量门禁。 自动化最怕的是失控。你得在关键节点设卡：类型检查必须通过、测试覆盖率不低于80%、安全扫描不能有高危漏洞。这些门禁就是安全网——AI可以自由发挥，但不能突破底线。

AI编程的三次跃迁

一个违反直觉的真相

讲到这里你可能注意到了一件奇怪的事：从第二段位到第三段位，Prompt写作的重要性反而下降了。

大多数人以为AI编程的进阶路线是：写Prompt → 写更好的Prompt → 写完美的Prompt。

不是这样的。

进阶路线是：写Prompt → 设计规则 → 设计系统。

Prompt技巧解决的是”局部最优”——怎么让AI在单次交互中给出更好的答案。但真正的效率瓶颈在”全局”——怎么让整个开发流程无缝运转。

打个比方。你开车上班，车技再好，每个红绿灯都得停。提升车技能让你在两个红灯之间开得更快，但真正改变通勤体验的是高架和地铁——把红灯从路线上直接消灭。

系统化思维就是那个”高架”。它比Prompt技巧重要得多，但大多数人看不到它——因为他们还在地面上死磕车技。

你的段位自测清单

AI编程段位自测

说了这么多，怎么判断自己在哪个段位？给你一个快速自测：

你属于第一段位（氛围编程），如果你：

每次开新项目，AI的输出风格都不一样
遇到bug第一反应是”再问一轮AI”，而不是自己先分析
不写CLAUDE.md，也不用.cursorrules
AI生成的代码，你经常直接复制粘贴不怎么看

你属于第二段位（结构化编程），如果你：

有一份项目级的AI规则文件，并且经常更新它
习惯把需求拆成3-5个有验收标准的小任务
AI的输出必须通过自动化检查才算完成
你能把自己的开发流程教给别人

你属于第三段位（系统化编程），如果你：

你设计的流程可以无人值守地运行一段时间
你的开发环境里有多个Agent各司其职
你花在”设计工作流”上的时间超过”写Prompt”的时间
你的瓶颈不是AI能力，而是流程优化

大多数人在第一段位和第二段位之间。这不丢人——知道自己在哪，才知道往哪走。

每个段位的下一步

最后给每个段位一个最小可行动作，今天就可以开始：

第一段位的人，今天就做一件事： 给你的主力项目写一份CLAUDE.md。不用很完善，先把技术栈、代码风格、命名规范写进去。200行就够了。你会立刻感受到AI输出质量的变化。

第二段位的人，今天就做一件事： 找一个你平时重复做的开发任务（比如”建一个新的CRUD模块”），把它的完整流程写下来。然后想一个问题：这个流程里，哪些步骤可以不需要你亲自操作？

第三段位的人，今天就做一件事： 回顾你的工作流，找到一个仍然需要你手动介入的环节。想想怎么用质量门禁替代人工检查——让系统自己决定”这步算通过了”还是”需要重来”。

最后一句实话

AI不会替代程序员。但”会驾驭AI的程序员”和”只会跟AI聊天的程序员”之间的差距，正在以肉眼可见的速度拉大。

三个月前我还在Vibe Coding，觉得自己效率很高。现在回头看，那时候的我就像一个拿着计算器的人，以为自己已经掌握了数学。

计算器很有用。但数学不是按计算器。

AI编程的进阶路，从来不是学更多的Prompt技巧，而是升级你驾驭AI的操作系统。