AI编程

Claude 检查代码规范时，先给项目已有规则。对于“不允许星号导入”这样的确定规则，可以用 AST 找到实际语法节点，再让模型解释原因，减少按字符串误报注释的情况。

AI 可以补函数说明，但注释里的例子也可能写错。用 doctest 运行文档中的示例，能把“这段说明看起来合理”变成可复跑的输入输出检查。

让 DeepSeek 解释接口测试时，要给它完整的成功和失败约定。HTTP通信成功、JSON能解析和业务操作成功是三件不同的事，响应检查必须分别表达。

把 AI 应用日志交给模型分析前，可以先用一个受控解析器统一格式。解析失败的行不能静默丢掉，否则错误发生处可能恰好从分析材料里消失。

文件名相似不表示内容相同，文件名不同也可能是同一份材料。文件去重智能体应该先生成按内容分组的报告，等读者核对保留规则后再处理文件。

AI 写出的 \d+ 不一定只接受0到9，搜索到一段编号也不等于整个输入有效。先明确编号允许的字符，再用正常与异常样本验收正则。

AI 提议加索引后，先检查查询结果有没有变化，再查看数据库是否实际选择了索引。查询计划显示搜索路径，不等同于测出了运行时间提升。

让 AI 写测试后全部变绿，并不能证明测试抓得住错误。可以保留正确实现，再故意让程序漏去重、丢排序或误改大小写，看原有断言是否拒绝这些版本。

AI 可以写批量重命名脚本，但先要确认多个文件不会被映射到同一个目标名。把改名规则变成一份可检查的清单，比直接运行模型给出的改名循环更容易发现覆盖风险。

把图片作为 image_url 内容块传给智谱视觉模型，用已知订单号、颜色和数量建立标准答案，并区分可见事实、解释与不确定项。