电子记事本Chapter XXXXIII · Vol. MMXXVI
XXXXIII.Chapter 43 · 电子记事本
仓库同步于 2026年7月16日

AI Coding 学习资料怎么筛:看项目,不看提示词合集

筛选 AI Coding 资料时,应看它是否覆盖理解代码、修改、测试、审查和交付闭环,而不是收集孤立提示词。

AI Coding 真正需要练的不是“怎样问出一段代码”,而是让工具在已有仓库里理解约束、修改最小范围、运行测试、解释失败并接受审查。提示词合集很难覆盖这条闭环,真实维护任务可以。

三个项目分别适合观察什么

Aider适合观察终端内的代码编辑、git diff 与提交节奏;OpenHands适合观察更自主的任务执行、环境和轨迹。Continue只保留为 IDE 上下文与规则设计的历史学习样本,不再列为面向新项目的持续维护候选。官方 README 已明确仓库停止主动维护、对所有用户只读,并在 2026-06-19 发布最终 2.0.0

Aider 和 Continue 的许可按仓库当前 LICENSE 核验,Continue 为 Apache-2.0;“最终版”不等于未来仍有兼容更新。OpenHands 仓库包含 MIT 开源代码,同时有 enterprise 目录与商业边界,评估自托管或二次分发时必须核对具体路径。本文只依据 2026-07-15 的公开仓库资料,没有声称完成安装实测。

用一个旧仓库做共同考题

选择一个有测试、lint 和明确贡献指南的小型项目,设计同一任务:修复一个带回归测试的边界 bug,同时保持公共 API 不变。给工具相同的 issue、相关文件和验证命令,不提供答案。

需要保存的不是对话,而是初始提交、修改 diff、执行命令、测试输出、人工退回原因和最终决定。这样才能区分“生成速度快”与“改动可以交付”。

第一关:它如何获取上下文

Aider 的仓库地图和 OpenHands 的工作区能力适合做当前试用;Continue 的 IDE 上下文与规则文件只作为历史设计样本阅读。观察候选是否遗漏测试、误读生成文件、把无关目录带入上下文,并记录你手工补充了什么。需要当前 IDE 候选时,应重新核验仍在维护的项目,不能因为旧教程多就延用 Continue。

一句话解读:上下文越多不一定越好,能找到约束文件和受影响测试才是有效上下文。

一句话解读:AI Coding 的学习材料应围绕一次可审查变更组织,而不是围绕一句看起来聪明的提示词组织。

第二关:测试、重构与撤销

先要求补失败测试,再改实现;随后增加一个轻量重构,检查工具是否扩大改动范围。故意给出一条错误方向,观察能否通过 git 恢复。不会撤销、无法解释 diff 的工具,不适合进入持续维护流程。

第三关:代码审查

GitHub Pull Request 文档GitHub Actions 文档不是 AI 教程,却提供了真实交付边界:变更要进入 PR、自动检查和人工审查。让工具生成 PR 摘要时,核对它是否列出风险、未运行检查和兼容性影响。

学习曲线

前置知识是 Git、项目启动方式和基本测试阅读;否则无法区分工具错误与环境错误。

最初一小时会被“修改立即出现”吸引;进入测试后,难点变成环境与失败解释;放进团队流程后,规则文件、审查责任和敏感信息才是主要成本。成熟度不是自动执行步骤变多,而是每一步都可追踪、可停止、可回滚。

第一阶段只要求会 Git、能运行项目和读测试,产物是一份受限 diff;第二阶段要理解测试策略、依赖与重构边界,产物是失败测试、修复和验证记录;第三阶段进入团队协作,需要 PR、CI、权限和敏感信息意识,产物是可审查的变更说明。零 Git 基础或无法独立启动仓库的人,应先补普通开发流程,否则无法区分工具错误与环境错误。

一句话解读:曲线真正变难,不是工具开始改更多文件,而是你必须证明它没有改坏未触碰的行为。

最小可行学习路径:三次训练

连续三次使用同一个仓库:第一次只补测试,第二次修 bug,第三次做小重构。每次限定文件范围并保留 diff。最后比较人工修改量、测试覆盖和撤销难度,而不是比较生成行数。

把三次练习固定为四步验收:先记录基线测试和允许修改范围;让工具只补一个会失败的回归测试;再完成最小修复并运行既有检查;最后由人工逐行审查、故意退回一处并验证撤销。没有通过前一步,不开放更自主的执行权限。

提示词合集为何容易失效

它往往忽略仓库约定、工具版本和任务风险;复制“万能审查提示”也不会自动获得项目知识。真正可复用的是任务模板:输入材料、允许动作、验证命令、停止条件和审查字段。

最常见的失败是工具修好了当前测试,却顺手改了公共 API 或删除了“看似多余”的兼容分支。提示词再长也弥补不了缺失的回归测试和审查责任。本文也不建议在含密钥、客户代码或无法授权上传的仓库中直接试用云端工具;先确认数据边界。

结论

把 AI Coding 当作一套开发工作流来学。能在受控仓库里留下小而清楚的 diff、通过既有检查并诚实报告未验证项,比收藏更多提示词更能提高交付质量。

下一步选一个自己能在十分钟内跑通测试的旧仓库,写下允许修改的两个文件和唯一验证命令,只做“补失败测试”这一轮。工具能否遵守范围,比它第一次给出的代码更值得记录。

AI Coding 学习资料怎么筛:看项目,不看提示词合集43
分享

// comments

0 threads

登录 后可留言、回复。

  • 还没有留言,来做第一个。