AI辅助编程

CodeBuddy入门

选择自己喜欢的、熟悉的AI辅助编程工具即可。下面以腾讯 CodeBuddy 为例说明。

CODEBUDDY.md

仓库根目录的 CODEBUDDY.md.example 是模板，描述了项目目标、架构分层、编码规范、与 AI 的约定。将其复制为 CODEBUDDY.md ，默认每次对话会将原文全文放入上下文。

其中“与 AI 编程助手的约定”最关键的一条是：遇到大的修改，先给出修改 / 设计方案，确认后再修改代码。这条约定能在动手前暴露理解偏差，避免大规模返工。

cp CODEBUDDY.md.example CODEBUDDY.md

项目规则

项目规则存储在代码库的 .codebuddy/rules 目录中，受版本控制管理，可以与团队成员共享。按需要自行创建。

代码库本身

当文档与代码存在歧义时，以代码为准。AI 助手会优先参考既有模块的“代码风格示例”（如 module_infra/file_config 下的 controller / service），保持新增代码与存量风格一致。

高效协作模式

先设计，后动手

对于跨多文件、影响核心流程的改动，先让 AI 给出方案。一个高效的请求方式：

“我要新增一个 XX 模块，包含列表分页、新增、编辑、删除。请先给出目录结构、各文件职责与涉及的数据表字段，确认后再写代码。”

AI 会先产出设计，你确认无误后再进入实现，避免大段返工。

给 AI 足够的上下文

AI 的产出质量高度依赖上下文。有效的做法：

• 指明涉及的目录或文件（如“在 module_infra 下参考 file_config 新增 xx_config”）。
• 贴出报错信息、期望行为、相关接口约定。
• 对模糊需求，主动补充业务背景，减少 AI 的猜测空间。

分而治之

把大需求拆成小任务逐个推进，每步都可验证：

AI 辅助开发工作流

以“新增一个后端业务模块”为例，推荐协作流程：

1. 提需求：描述功能、字段、接口形态，参考既有模块。
2. 审设计：AI 给出目录、命名、数据表与字段设计，你确认。
3. 写代码：AI 按约定生成 model / schema / crud / service / controller。
4. 查代码：运行 ruff 格式化与检查，处理类型 / 未使用变量。
5. 跑测试：必要时运行 pytest 或端到端用例。
6. 交付：确认行为符合预期后提交。

模型选择

• 日常开发：GLM-5.3-Flash 或 DeepSeek
• 设计阶段：GLM-5.3