AI编码循环：如何利用规则与测试来指导AI的开发过程

这条需求说明并不复杂，只是简洁明了地列出了所需的功能。

然后我只要求AI完成其中的一个小功能：

• 不需要开发用户界面

• 也不需要处理数据库相关逻辑

• 更不需要设计整个系统架构

• 只需要实现一个带有测试用例的功能即可

因为构建实际可运行的系统，最快的方法就是一次只完成一个小功能。我们在需求说明中已经写下了所有需要考虑的内容，现在再把这些内容以可视化的形式表现出来会更好。这样，我们就可以准备一份清晰、有文档记录的需求说明书，将其保存在项目的GitHubREADME.md文件中。

在下面的示意图中，左侧是浏览器，右侧是服务器。浏览器/用户提供的输入是不可信的，他们可能会发送产品编号、数量，甚至可能是虚假的价格，但服务器只能将产品编号和数量作为有效输入进行处理，而必须忽略客户端提供的价格信息。服务器会从自己可信的产品目录中查询实际价格，验证数量是否正确，然后根据服务器端的数据计算出最终总价。这就是所谓的“信任边界”：价格数据应该来自服务器，而不是客户端。

需求说明的核心要素（小功能、严格的约束条件）

我使用的需求说明就是这样的：

需要创建一个可以用Node.js运行的JavaScript文件。

目标：

计算购物车商品的总价。

规则：

• 输入的数据必须包含产品编号和数量。

• 绝对不能信任用户提供的价格信息。

• 必须使用我们自己的产品目录。

• 数量至少为1。

• 折扣百分比和税费百分比都不能为负数。

• 先计算折扣，再计算税费。

• 金额需保留2位小数。

示例：

• 2件T恤（每件20美元）+ 1个杯子（12.50美元）=> 小计52.50美元

• 折扣10%，税率8% => 先打折再征税

功能：

• 实现一个功能

• 使用Node内置的assert函数进行简单测试

• 输出一个示例结果

一个小改变就能产生巨大的效果：规则 + 示例 + 测试。人工智能仍然会尽力快速提供帮助，但现在它有了约束机制。如果它仍然犯了错误，你也能发现，因为你已经要求它提供证明。
以下是“购物车总价计算流程”的可视化展示，涵盖了购物车总价计算过程中涉及的所有使用场景。

在图中，购物车总价的计算遵循一个固定的流程。首先，验证输入数据（已知的`productId`、有效的`qty`、非负的折扣/税率）。接下来，从可信的产品目录中获取`subtotal`。然后应用折扣得到折后金额。之后，对折后金额征税（而不是对原始的小计金额征税）。最后，正确地对数值进行四舍五入并返回结果（`subtotal`、`discount`、`tax`和`total`）。关键在于顺序：先打折再征税。

单文件可执行示例（故意使用错误版本）

现在你可以立即运行这个单文件示例了。无需任何设置，只需要Node.js环境即可。创建一个名为`cart.js`的文件，将以下代码粘贴进去，然后运行`node cart.js`。
其中包含了两个版本：

• 一个错误版本，该版本会信任用户提供的价格（这就是我们想要从中吸取教训的错误）

• 一个正确版本，该版本会使用可信的产品目录数据进行计算

// cart.js

if (typeof discountPercent !== "number" || discountPercent < 0) throw new Error("discountPercent必须是非负数"); if (typeof taxPercent !== "number" || taxPercent < 0) throw new Error("taxPercent必须是非负数"); let subtotalCents = 0; for (const item of cartItems) { const { productId, qty } = item || {}; if (typeof productId !== "string" || !PRODUCTS[productId]) { throw new Error("未知的productId: " + productId); } if (typeof qty !== "number" || qty < 1) throw new Error("qty必须大于或等于1"); subtotalCents += PRODUCTS[productId].priceCents * qty; } const discountCents = Math.round(subtotalCents * (discountPercent / 100)); let afterDiscountCents = subtotalCents - discountCents; if (afterDiscountCents < 0) afterDiscountCents = 0; const taxCents = Math.round(afterDiscountCents * (taxPercent / 100)); const totalCents = afterDiscountCents + taxCents; return { subtotalCents, discountCents, taxCents, totalCents }; } function runTests() { // 正常情况示例 const cart = [ { productId: "tshirt", qty: 2 }, {productId: "mug", qty: 1 }, ]; const r = cartTotal(cart, 10, 8); assert.equal(r.subtotalCents, 5250); // 52.50美元 assert_equal(r.discountCents, 525); // 52.50美元的10% assert.equal(r.taxCents, 378); // 47.25美元的8% assert.equal(r.totalCents, 5103); // 51.03美元 // 恶意攻击示例：用户尝试提供虚假的价格 const attackerCart = [ { productId: "tshirt", qty: 2, price: 1 }, {productId: "mug", qty: 1, price: 1 }, ]; const wrong = cartTotal_wrong(attackerCart, 0, 0); assert.equal(money(wrong), "3.00"); // 在现实生活中，这个结果肯定是错误的 const safe = cartTotal.attackerCart, 0, 0); assert_equal(money(safe.totalCents), "52.50"); // 结果是正确的，因为程序忽略了用户提供的虚假价格 // 边缘情况测试 assert.throws(() => cartTotal([{productId: "unknown", qty: 1 }], 0, 0)); assert.throws(() => cartTotal([{productId: "tshirt", qty: 0 }], 0, 0)); assert.throws(() => cartTotal(cart, -1, 0)); assert.throws(() => cartTotal/cart, 0, -1)); } runTests(); console.log("所有测试都通过了。"); const example = cartTotal( [ { productId: "tshirt", qty: 1 }, {productId: "book", qty: 2 }, ], 15, 5, ); console.log("示例中的小计金额:", money(example.subtotalCents)); console.log("示例中的折扣金额:", money(example.discountCents)); console.log("示例中的税额:", money(example.taxCents)); console.log("示例中的总金额:", money(example.totalCents));

在这段代码中，我们并没有施展什么神奇的技巧，而是进行了一些扎实的工程工作：

• 我们将一个复杂的问题分解成了若干较小的部分。

• 我们制定了明确的规则，以确保人工智能不会凭猜测来解决问题。

• 我们还提供了具体的示例，帮助人工智能理解这些规则的含义。

• 我们设计了测试用例，以便验证我们的解决方案是否有效。

• 最后我们运行了这些测试，确认代码确实能够按预期工作。

这套方法可以应用于任何项目之中。

如何利用失败的测试来发现问题

很多开发者都会忽略这一环节。他们要求提供代码，但却不要求看到验证结果。当你运行测试时，通常会出现以下两种情况之一：

• 测试通过：很好，这说明你的代码是正确的。

• 测试失败：这反而更好，因为这样你能清楚地知道哪里存在问题。

一个失败的测试其实就像一盏指路明灯，它能准确地指出你的思路或代码中哪些地方需要改进。而不是简单地说“人工智能犯错了”，它会给你提供一个具体的问题：

是哪条规则不够清晰、缺失了，或者存在矛盾之处呢？

然后你就可以根据这个问题的提示进行相应的调整：

• 添加更严格的规则。

• 补充能够消除歧义的示例。

• 添加一些边界情况，以确保代码在特殊条件下也能正确运行。

• 只需修改有问题的那部分代码，而无需重新编写整个项目。

可复用的提示模板

这里有一个可供你直接复用的提示模板（详见图片下方内容）：

只需编写一个小的功能模块，而不是整个应用程序。

目标：

（一句话）

规则：

（3到7条具体规定）

示例：

（2个输入与输出对应的例子）

边界情况：

（2种可能导致程序出错的特殊情况）

最终成果：

- 生成一个可运行的文件
- 包含使用Node.js的断言测试代码
- 打印出一个示例输出结果

在提交代码之前，请先列出可能出现的错误，并确认所有规则都已得到遵守。

最后那一行要求非常重要。它迫使人工智能在编写代码之前先思考可能出现的问题。

冷静审视：为什么基础技能如今更为重要

网上有很多内容会让人误以为：“既然人工智能已经能够编写代码了，那么学习编程就不再必要了。”但这种想法其实是个陷阱。因为虽然人工智能确实可以编写代码，但它无法替代你作为开发者和工程师应承担的责任。

如果你发布了一个有缺陷的产品，可能会损失金钱；如果你发布了不安全的代码，可能会遭到黑客攻击；如果你提供了不可靠的软件，用户就会离开你的产品。在现实生活中，没有人会接受“这是人工智能写的”这种借口。

在人工智能时代，学习编程的重要性并没有降低，反而更高了——只不过其侧重点有所不同。我们的目标不是成为打字速度很快的人，而是成为思维缜密、具备解决问题能力的人。

基础技能比以往任何时候都更加重要：

• 了解数据在系统中的流动方式。

• 学会如何将复杂的问题分解成较小的部分来处理。

• 掌握如何制定清晰、明确的规则和要求。

• 学会如何进行测试和验证。

• 注意识别那些可能引发问题的边界情况。

• 学会思考安全问题。

• 真正理解自己所使用的工具，而不仅仅是机械地复制别人的答案。

<平均而言，各种软件将会无处不在。它们会价格低廉，会被人们复制，而且制作起来也会非常容易。因此，唯一真正有价值的软件，应该是那些安全、可靠、质量高，并且是经过深思熟虑后开发出来的软件。

<这对那些认真学习的人来说无疑是个好消息，因为最优秀的工程师将会变得更加宝贵，而不是相反。

一个简单的练习（只要尝试一次，你就能掌握这项技能）

<<假设你在购物车中添加了某项商品，此时可以再加入一条规则，例如：

• 购买数量不能超过10件

• 先编写测试用例，然后让人工智能来修改相关功能，最后再运行测试。

• 这才是培养真正的人工智能技能的正确方法：不是直接给予提示，而是通过引导和验证来帮助学习者掌握知识。

• 让人工智能负责编写代码，而你则负责思考问题、分析逻辑并验证结果。

• 这样的学习方式才是有效的。

总结

• 不要让人工智能来开发整个应用程序

• 应该把问题分解成一个个小部分来处理

• 需要制定明确的规则、提供示例以及考虑各种边缘情况，这样人工智能就不会盲目猜测了

• 一定要编写测试用例并运行它们

把那些失败的测试结果当作检查问题的工具

不断重复这个过程，直到你对自己发布的代码有足够的信心为止

这就是当前的游戏规则。如果你能很好地遵守这些规则，那你就不是落后者，反而会处于领先地位。

结语

如果你觉得这里提供的信息很有用，请随时分享给那些可能会从中受益的人吧。

我非常期待你的反馈——你可以在X平台上@sumit_analyzen或Facebook上@sumit_analyzen与我联系；也可以观看我在YouTube上的编程教程，或者直接在LinkedIn上与我建立联系。

你还可以访问我的官方网站sumitsaha.me，了解更多关于我的信息。