#510.AI Coding For Real Engineers：软件工程基本功如何让 AI 编程事半功倍

📌 一句话摘要

Matt Pocock 通过实战工作坊，系统性地展示了如何将软件工程基本功（如任务拆分、TDD、代码审查、模块化设计）与 AI 编程工具高效结合，形成一套可控制、可预测的开发流程。

📝 详细摘要

本期播客通过克隆 TypeScript 专家 Matt Pocock 在 AI Engineer 大会上的深度工作坊，完整呈现了他在 AI 协作编程领域的实践方法论。Matt 提出软件工程基本功在 AI 时代不仅没有过时，反而变得更加关键。他深入剖析了大语言模型的「聪明区与蠢笨区」以及「记忆碎片」式的上下文重置特性，并以此为基础设计了一套从想法到生产的高效工作流。这套工作流的核心是：人工负责规划与需求对齐，通过独创的「grill me（追问我）」技巧与 AI 达成深度设计共识，生成 PRD 和看板任务；然后用「垂直切片」和「曳光弹」开发原则将任务拆解为可独立处理的小块；接着将实现阶段交给 AI 自动循环（如 Ralf 循环），并要求 AI 遵循 TDD（红-绿-重构）流程进行编码；最后人工进行代码审查和 QA。Matt 还强调，高质量的代码库（深模块、低耦合）是 AI 高效工作的前提，糟糕的代码库会直接导致智能体产出垃圾代码。他分享了「浅模块 vs 深模块」的设计理念，并推荐开发者回归经典软件工程书籍，将其视为应对 AI 时代的「纯金矿」。

💡 主要观点

- AI 时代，软件工程基本功是放大器而非弃物 模块化、测试、代码审查这些与人类协作至关重要的基本功，在与 AI 协作时同样效果拔群。糟糕的代码库会造出糟糕的智能体，优秀的架构才能让 AI 发挥最大威力。

理解 LLM 的「聪明区」与「蠢笨区」是高效协作的前提 大语言模型在对话开始时表现最佳，随着上下文增长性能急剧下降。因此必须将任务拆小，确保每一项工作都在模型的「聪明区」内完成，避免一脚踩进「蠢笨区」。

「追问我」技巧是替代「规格转代码」的有效对齐方式 与 AI 协作的关键不是输出一份完美的计划文档，而是通过持续盘问达成「共同的设计概念」。这个技巧能规避 AI 急于输出计划的倾向，确保后续实现不跑偏。

「垂直切片」和「曳光弹」开发让 AI 获得早期反馈 AI 倾向于水平编码（先做所有数据库，再做所有 API），这导致集成测试延迟。垂直切片要求开发穿透所有层级的最小完整功能，让 AI 在早期就能获得完整反馈。

TDD 是榨取 AI 最大价值的关键环节 测试驱动开发的红-绿-重构流程能为 AI 提供即时反馈循环，有效防止 AI 作弊（如先写实现再补测试），并显著提升代码库的测试覆盖率。

💬 文章金句

- 糟糕的代码库造出糟糕的智能体。如果你的代码库一团糟，在里面工作的智能体也会产出一团糟。

• 你需要的是和你的 AI、你的智能体在同一个波长上，这是一个极其有效的实现方式。
• TDD 对于从智能体身上榨出最大价值是绝对关键的一环。
• 我们保持概念一致，右边是审查，左边是实现。但如果你把上下文清空，那么就相当于能在聪明区里做审查了，那才是我们想要的状态。
• 那些 20 年前的书就是一座纯金矿。如果想把这些东西放进提示里，那些书就是一座纯金矿。

📊 文章信息

AI 初评：83

来源：跨国串门儿计划

作者：跨国串门儿计划

分类：软件编程

语言：中文

阅读时间：109 分钟

字数：27140

标签： AI 编程, 软件工程, TDD, 代码审查, 模块化设计

收听完整播客