用AI写代码用得越多,工程判断反而越重要。这话说起来轻巧,落到普通的一天里,判断到底长什么样?

过去几周,一个AI编程代理(我用的是Claude Code)承担了我们产品搜索页面的大部分代码。本周某一天,它向开发环境交付了四个独立改动:一种把筛选条件与搜索纯文本视图结合的新方式、两处小的视觉修复,以及一个针对小尺寸笔记本屏幕的布局调整。

这些改动不是我写的。但建什么、发什么、"做完"的标准是什么,由我决定。这些决定大多不聪明,它们只是护栏——代理每次都要遵守的规则,让速度不至于变成意外。

两个决定权留在手里:建,和发

代理可以调研、提议、动手建。调研结束后,它给我的是一个推荐方案,而不是把所有可能选项列一遍,然后它等着。我的回答通常很短:"行,建吧。"

改动建好并检查完,它会再停一次,问要不要发布。"行,发吧"是另一个决定,而且是我的决定。把这两步拆开,比听起来重要得多:第一次批准针对的是想法,第二次针对的是我亲眼看到的结果。少了第二道闸,批准一个想法就悄悄变成了批准它最终产出的任何东西。

给我看,别跟我说

对UI改动的文字描述不算证据。每个视觉改动先上本地预览,代理在推送任何东西之前把截图发给我。

就拿本周那个布局改动来说。在小尺寸笔记本上,搜索表单旁边的面板把主按钮"查看结果"和"下载"挤到了屏幕边缘以下。修复后计数留在顶部、按钮留在底部,中间只有详情区域滚动。

代理没有停在"我这儿看着没问题",它检查了:

  • 1366 x 640,常见的矮笔记本窗口:按钮底部距屏幕下边缘还有24像素;
  • 1366 x 560,极矮窗口:按钮仍然可见;
  • 1440 x 1000:没有滚动,所以不该有任何视觉变化,也确实没有;
  • 平板和手机宽度,页面在这些尺寸下用的是另一套布局。

每个尺寸它还跑了一个小脚本,专门找横向溢出容器的元素——那种一眼很难看出来的溢出。如果只从这篇里带走一个习惯,就带走这个:先定下哪些屏幕尺寸算数,再把"在这些尺寸上检查过、有截图"写进"做完"的定义里。

只在全绿时合并,且只合并被测试过的那个提交

代理开一个拉取请求,等CI。只有所有检查全绿它才合并,并且把合并钉死在检查实际跑过的那个提交上。它用的命令里带一个参数,作用是:如果检查开始后分支上又被推了新东西,合并直接失败。没有这个参数,"CI是绿的"描述的可能是另一个提交,而不是最终落地的那个。

检查红了从来不是可以绕过去的事。要么改代码,要么代理解释清楚为什么这个测试本身过时了,公开改掉它,并在拉取请求里说明。它不会为了让检查变绿而悄悄放宽测试。

用测试钉住那些人容易忘的规则

我最喜欢的一些测试简单到有点不好意思:把源文件当文本读进来,用正则表达式检查。比如一条测试规定颜色必须来自设计令牌,不许出现十六进制色值。

本周这条测试就逮住了代理。为了给新的滚动区域做边缘渐隐,它用了带#000的CSS遮罩渐变。这个颜色根本不会显示出来(遮罩只用透明度),但规则就是规则,测试失败了。修复只花了几秒:把#000换成black。重要的是,我根本不需要自己去注意到这件事。

同类的测试还管着:面向客户的文案里不许出现长破折号和弯引号(发布说明里一个弯撇号曾让测试失败,这正是我想要的效果);发布说明标题和摘要的长度上限;某个大组件的行数上限,逼着新逻辑拆进独立文件,而不是让一个文件无限膨胀。

这些规则都不难检查,难的是记住,尤其是在代理干活的速度下。只写在风格指南里的规则迟早会被打破,写在测试里的规则每次都会被检查。

每个改动自带它的故事

每个面向用户的改动,都在同一个拉取请求里带上两份文字:一份客户在产品里看到的"新功能"说明,标题70字符以内、摘要260字符以内;一行内部产品文档记录,写明改了什么、为什么改、谁提的需求、代码在哪。

两份都由代理写。那一刻它比任何人都更了解这个改动,所以这是记录成本最低的时候。因为写在同一个拉取请求里,文档永远不会落后发布一个版本,测试则把面向客户的文字卡在长度和风格限制内。

在它运行的地方检查,走的时候恢复原样

CI全绿、本地预览好看,都不是终点。每次部署后,代理会在开发环境上打开这个改动再检查一遍,用我自己保存的搜索当测试用例。这附带几条硬限制:

  • 绝不碰生产环境;
  • 绝不冒用我的身份登录,会话过期就告诉我并等着;
  • 在开发环境上只读,避免改动真实记录或跑昂贵的导出;
  • 必须改点什么才能测试时(比如一个草稿搜索),先存原样,测完放回去。

最后一条比看上去重要。一个慢慢被自动化检查残留物填满的测试环境,会失去可信度。

把坑写下来

每个项目都有第一次踩要花掉一下午的坑。代理维护一个坑位笔记文件,每次会话开始先读它。

我们搜索里的一个例子:代理用某个字段的内部示例名而不是真实名建测试搜索时,筛选器照样显示在屏幕上,但搜索悄悄忽略了它。计数看着合理,其实是错的。这个坑现在是笔记里的一行,附带对应规则:永远用线上字段名。格式不重要,重要的是踩过一次的坑,下一次会话不用再付一遍学费。

小而无聊的提交

几个习惯让提交历史好读也好回滚:一个拉取请求只装一个改动,哪怕一天有四个;文件按名字逐个暂存,绝不用一把梭的git add,免得草稿文件和零散实验搭车;提交信息写清楚对用户而言变了什么,而不只是代码里变了什么。出了问题,我想能指着一个小的拉取请求直接回滚,而不用顺带拆开另外三件事。

护栏到底为了什么

这些几乎不拖慢代理。大部分是自动化的,剩下的只是我两句简短回答。它改变的是我需要对什么负责。

我不需要以代码写出来的速度去读每一行。我需要确信那些要紧的事:这个改动做了什么、它在我们在意的尺寸和场景下被测过、它遵守了我们的规则、测过的就是发出去的。护栏把这些从"我希望是真的"变成"被检查过的"。

如果我要发布某个东西,我得能解释它、调试它、维护它。代理打掉大部分字的时候,这些护栏就是我守住这个承诺的主要方式。