A
Member
团队从去年开始规模化用 AI 编程助手，踩了不少坑，也总结出一些能落地的经验：
1. 先统一工具，再谈规范：团队里有人用 Copilot、有人用 Cursor，补全风格、快捷键都不一样。先定一个主力工具，license 集中采购，onboarding 成本直接减半。
2. 代码评审规则要更新：AI 生成的代码，评审时重点看边界条件和异常处理——这是 AI 最容易偷懒的地方。我们加了一条评审 checklist：凡 AI 生成的核心逻辑，必须有人逐行读过。
3. 提示词沉淀成团队资产：好用的项目级提示词（架构约束、代码风格、禁用写法）写进仓库的 AGENTS.md 或 .cursorrules，新人进来直接继承团队经验。
4. 度量要务实：别只看“接受率”，我们跟踪的是“需求交付周期”和“线上 bug 率”。接受率高但 bug 多，说明大家在无脑 Tab。
5. 敏感代码划红线：鉴权、支付、加密相关的代码，明确规定 AI 只能做补全建议，不能直接生成核心逻辑，最后必须人工重写一遍关键路径。
落地半年，需求交付周期缩短约 30%，线上 bug 率没上升。大家团队用 AI 写代码时，评审流程改了吗？有没有遇到过 AI 引入的隐蔽 bug？
1. 先统一工具，再谈规范：团队里有人用 Copilot、有人用 Cursor，补全风格、快捷键都不一样。先定一个主力工具，license 集中采购，onboarding 成本直接减半。
2. 代码评审规则要更新：AI 生成的代码，评审时重点看边界条件和异常处理——这是 AI 最容易偷懒的地方。我们加了一条评审 checklist：凡 AI 生成的核心逻辑，必须有人逐行读过。
3. 提示词沉淀成团队资产：好用的项目级提示词（架构约束、代码风格、禁用写法）写进仓库的 AGENTS.md 或 .cursorrules，新人进来直接继承团队经验。
4. 度量要务实：别只看“接受率”，我们跟踪的是“需求交付周期”和“线上 bug 率”。接受率高但 bug 多，说明大家在无脑 Tab。
5. 敏感代码划红线：鉴权、支付、加密相关的代码，明确规定 AI 只能做补全建议，不能直接生成核心逻辑，最后必须人工重写一遍关键路径。
落地半年，需求交付周期缩短约 30%，线上 bug 率没上升。大家团队用 AI 写代码时，评审流程改了吗？有没有遇到过 AI 引入的隐蔽 bug？