Part V · 驾驭 AI Coding

本部分收录于完整版

官网当前开放 Part I（第 1–4 章）免费试读。本部分（第 18–21 章）与其余章节收录于完整版，一次购买即可在线阅读全部 35 章。

会让 AI 工作之后，问题换了一个方向：怎样让它稳定、可靠、可控。这一部分讨论控制，不讨论生成。

生成变快，错误也能跑得更远。一次看起来合理的局部修改，可能把修复带成范围更大的重构；代码通过测试，也不代表它理解了业务规则。控制从边界开始：允许它改哪里、能调用什么、哪些动作必须停下来等人确认。

接下来是证据。测试绿灯只能证明代码满足已有测试；如果测试和实现共享同一个错误前提，绿灯反而会掩盖问题。独立证据来自另一条路径：真实入口、对账数据、不同实现的计算，或者一次对抗性的复核。

例如一次「顺手删掉旧代码」的改动：它看起来没有调用方，但删除是不可撤回的生产动作。这类改动应该在开始前就被划进需要确认的范围。

这一部分适合已经让 AI 改过生产代码、并且为此出过问题的人读。与其收窄权限了事，不如复盘一次失败：当时缺的是行动边界、独立证据，还是停止得太晚。三种原因对应的修法并不相同。

还有一件容易被忽略的事：知道什么时候停。自主权应该随风险缩放，影响大、难撤回的动作，边界要在开始前就可见。读完这一部分，你应该能为一次 AI 协作说清：边界在哪、证据是什么、什么情况下停。

本部分核心问题

会让 AI 工作以后，如何让它稳定、可靠、可控？

沿阅读路径前进