AI 工具入门：先把需求写清楚，再让 AI 帮你改代码

很多人第一次用 AI 编程助手时，会直接说“帮我写个功能”，结果得到一堆看似能跑、实际不符合预期的代码。问题往往不在模型，而在需求没有说清楚。AI 不知道你的项目现状、边界和验收标准，只能按最常见的猜测补全。把需求写清楚，是用好 AI 工具的第一步，也比反复追问更省时间。

一、好需求的五个要素

1. 背景：这段代码在哪个项目、哪种语言、哪个模块里？现有代码大概是什么样子？
2. 目标：要实现什么具体行为？最好用一句话说清输入和输出。
3. 约束：不能改哪些文件、不能引入新依赖、要不要兼容旧数据、性能有没有上限。
4. 示例：给一个具体的例子，包括正常情况和一个边界情况。
5. 验收：怎么算完成？写清楚可以运行的检查方法，例如某条命令、某个测试、某个页面表现。

举例对比：含糊的说法是“帮我优化一下这个函数”。清楚的说法是：“请优化 Python 函数 read_logs：输入是日志文件路径，输出是按天统计的错误次数；不要改变返回值结构；超过 100MB 的文件也要能流式读取；完成后请说明改了哪几处，并给出一个可以验证的小例子。”第二种说法把范围、约束和验证都讲明白了，AI 更容易给出可用的结果，也更容易发现理解偏差。

二、从小处开始，一次只改一件事

新手容易让 AI 一次重构整个模块，结果出了问题不知道是哪一步引起的。更稳妥的做法是把任务拆小：先让 AI 解释现有代码，再让它只改一个函数，运行通过后再处理下一个。每次改动后自己运行一次，看看报错、日志和结果是否符合预期。改动越小，回退越容易，也越容易看懂 AI 到底改了什么。

三、把 AI 的回答当作草稿，而不是结论

AI 生成的代码要经过三道检查：第一，能不能运行，有没有明显的语法或导入错误；第二，逻辑对不对，用你准备好的例子跑一遍；第三，有没有引入不该引入的东西，例如硬编码的密码、密钥、真实账号信息，或者与项目风格不一致的依赖。涉及账号、密钥和生产数据的内容不要直接发给 AI，先用假数据代替。发现问题时，把报错原文和相关代码片段一起发回去，比只说“不行”更有效。

四、一个可以复用的提问模板

“背景：……；目标：……；约束：……；示例输入和输出：……；请先说明思路，再给出改动后的完整代码，并说明如何验证。”刚开始可以照着模板写，熟练之后再根据任务删减。把常用的项目背景保存成一段固定文字，每次提问时附上，能减少重复说明，也能让 AI 的回答更稳定。

结语

AI 工具的价值，不在于替你跳过思考，而在于把重复劳动交给它，把判断留给自己。需求写得越清楚，AI 越像一个靠谱的搭档；需求越含糊，来回修改的成本就越高。从下一个小任务开始，先花两分钟写清背景、目标、约束、示例和验收标准，再开始提问，你会发现代码改动的通过率明显提高。