资深架构师通过70分钟高强度规划+AI精准执行+双重审查，实现生产级AI编程，强调规划先行、范围控制与模块化协作。
AI 编程根本不是“凭感觉写代码”？真正的高手早就把 AI 当成执行层，而不是决策层！
今天要聊的这位开发者，彻底颠覆了我们对 AI 编程的认知——他不是让 AI 魔法般地一键生成 SaaS 应用，而是把所有架构决策提前压缩进一场 60 到 70 分钟的高强度规划会议，再让 AI 工具去执行、测试、审查，最终产出接近生产级质量的代码。这背后不是玄学，而是一套极其克制、高度结构化的“AI 驱动开发工作流”。
他的整个工作流分为五个核心阶段：规划、编码、审查、测试、提交。
1、但最关键、最不可妥协的，是第一阶段——规划。
规划阶段，他称之为“架构冲刺”（Architectural Sprint）。这不是泛泛而谈“我要做个登录模块”，而是深入到文件级、函数级的精细设计。
他会明确告诉 AI：这个功能要放在仓库的哪个位置，依赖哪些已有模块，输出什么接口，甚至函数签名长什么样。他用 Traycer（一个 AI 规划工具）生成详细的文件级执行计划，再导出给 Claude Code 或 GitHub Copilot（即文中提到的 Codex）去执行。
这样做有两个巨大好处：一是避免上下文过载，二是可以并行处理多个任务。一场 70 分钟的专注规划，能省下原本需要四天反复试错的时间。
2、进入编码阶段后，一切变得“机械”而高效。
因为他已经把范围缩到极小——每次只让 AI 修改一个函数、重构一个类、修复一个测试。
他从不把整个仓库扔给 AI，而是严格控制输入上下文。虽然单次运行速度可能慢一点，但精准度极高，几乎不会引入无关改动。他特别提到，Codex（即 GitHub Copilot 的底层模型）在一致性上远胜速度，更适合这种精细操作。
3、但真正拉开差距的，是第三阶段：评审。
他说，大多数人在这里栽跟头。他的做法是“双轨评审”——先像人类一样手动看 diff，理解每一行改动的意图；再交给 CodeRabbit（一个 AI 代码审查工具）做第二轮机器审查。
CodeRabbit 能揪出人类容易忽略的问题：比如未使用的 import、命名风格不一致、异步流程中的逻辑断层。
对于本地开发，他还会用 Traycer 的文件级审查模式，在推送前再过一遍。这种“人工 + AI”的双重保险，才是 AI 代码能达到生产质量的关键。
4、测试和 Git 提交阶段相对标准。
但他有个独特习惯：每次提交后，他会问 AI：“接下来我们可以实现什么？”让 AI 基于当前代码状态，建议下一步的合理功能点。这形成了一个闭环：规划 → 编码 → 审查 → 提交 → 下一步建议 → 再规划。
为什么这套方法能成功？他总结了四点核心原则：
第一，规划决定一切。AI 不是思考者，而是执行者。你思考得越透，AI 执行得越准。
第二，上下文纪律胜过大模型。与其依赖一个能吞下整个仓库的“超级模型”，不如自己严格控制输入范围，用小上下文换高精度。
第三，AI 审查能指数级提升代码质量。人类会疲劳，AI 不会。两者互补，才能堵住质量漏洞。
第四，你必须掌控 AI，而不是被 AI 牵着走。这听起来像废话，但现实中太多人把 AI 当“许愿机”，结果产出一堆无法维护的垃圾代码。
他还分享了一个绝妙技巧：让 AI 生成一份“记忆快照”（memory dump）。这份快照是一个 JSON 格式的图结构，节点代表代码实体（如模块、类、函数），附带 AI 对其功能的观察；边代表依赖或调用关系，并附带描述。每次开启新对话时，把这份 mem.json 传给 AI，就能让它快速重建对项目的理解，避免上下文断层。这简直是模块化开发与 AI 协作的完美结合！
说到底，AI 编程的胜负手，不在AI模型多强，而在你是否采用“模块化思维”——把大问题拆成小任务，每个任务边界清晰、输入明确、输出可验。这不正是我们推崇的软件工程原则吗？只不过现在，AI 成了最听话的“初级工程师”，只要你指令清晰，它就能日复一日地高质量交付。
所以别再问“要不要用 AI 编程”了，真正的问题是：“你打算怎么用？”是把它当玩具，还是当武器？是让它替你思考，还是替你搬砖？答案，就在你的工作流里。
这位开发者用实践证明：AI 不会取代程序员，但会取代那些不用 AI 的程序员。而真正能驾驭 AI 的，永远是那些懂架构、重设计、有纪律的工程师。
AI编程真相：你缺的不是模型，而是这套架构级工作流！