AI编程

AI 可以提出模糊测试的输入维度，但随机生成不能只跑一次就丢掉。固定种子、保存输入和明确不变量，失败后才能把同一问题交回AI修正。

AI 对比文件时，先在本地确认是否真的变化，再把无隐私差异交给模型解释。内容哈希能看到字节变化，文本diff能指出行变化；两者解决不同层的问题。

AI 写压缩脚本时，要验证归档里有什么，而不是只看到.zip文件生成。用固定相对成员名写入，再逐一读出比较字节，能发现漏文件、目录层级错误或编码损坏。

AI 文件分类先产生建议表，再由本地规则确认每个文件恰好出现一次、类别在允许范围内。不确定的文件应进入复核清单，不能自动归到“其它”后执行。

智能体调用命令行时，不要把模型输出拼成整条命令。固定可执行程序，参数使用列表传入，并设置超时与退出码检查，才能更清楚地区分数据和命令。

AI 生成的函数第一次运行正常、第二次却混入上次结果，可以先检查是否把列表或字典放在默认参数里。用两次连续调用构造最小复现，比重新描述整套程序更有效。

AI 代码里的 import 名称可能是编造的，也可能只是你还没安装。先提取导入名并检查当前解释器是否能找到，再核对官方安装说明；不要看到报错就盲目安装同名包。

把整个仓库粘贴给 AI 会引入无关材料，也难核对回答所指位置。先生成函数、异步函数和类的符号清单，再按任务选取源码片段，能让上下文更容易定位。

AI 给出“函数A会调用函数B”的解释时，可以先从源码提取直接调用清单核对。一个简单的 AST 扫描器能保留函数名、调用名和位置，但不能证明运行时一定走到该分支。

把程序交给 AI 优化前，先知道时间花在哪里。cProfile 可以记录函数调用与累计耗时，帮助你把一个模糊的“程序太慢”缩小成具体函数与输入规模。