AI可以辅助解释代码、补充测试和生成实现草稿，但生成结果仍是需要审核的代码。能运行的示例不等于符合项目权限、安全、性能和维护要求。

先给出清晰的任务上下文

提供必要接口、数据结构、兼容要求和现有约束，避免上传密钥、真实用户数据或未经授权的商业代码。让工具说明假设和依赖；新增库时核对许可证、维护状态与当前官方接口。

检查调用与权限

逐个确认外部接口是否存在、参数是否正确，以及身份校验发生在哪一层。生成的文件上传、数据库查询和权限判断尤其需要复核，不能只看成功路径或界面演示。

测试应该验证业务风险

覆盖无权限用户、缺失字段、并发修改、外部服务超时和重复提交。修复一个问题后确认相关行为没有回退。由AI生成的测试也需要检查，避免测试只是复述实现而没有独立判断。

保留可回退的交付过程

提交小范围改动并记录原因，运行项目要求的检查后再发布。代码审查、账号归属和部署权限仍由项目负责人控制，自动化工具不应默认获得生产管理权限。

生成代码仍进入正常审查

检查依赖来源、权限、错误处理和测试覆盖，敏感配置不要作为提示词素材。

让开发人员理解变更再合并，用失败输入测试关键逻辑；编译通过不能替代安全和业务验收。

例如生成代码包含硬编码凭据，需移出代码并轮换已暴露凭据，不能只删除可见字符串。