AI 輔助開發工作流程

在前面的章節中，我們學習了如何使用 AI IDE 寫程式碼、如何用 Git 管理程式碼版本，以及如何設計和實現 API 介面。但當你面對一個真實的開發任務時，可能會遇到這些問題：

「這個專案有上千個檔案，我該從哪裡開始？」
「老闆讓我加一個新功能，但我不熟悉這部分的程式碼庫。」
「我不知道這個 bug 在哪裡，程式碼太多了。」
「我需要重構這堆程式碼，但我怕改壞東西。」

這些問題的本質是：如何在真實的開發場景中高效地使用 AI 工具來完成工作？

在本課中，我們將學習如何建立一套系統化的 AI 輔助開發工作流程，讓你能夠在不同的開發場景中高效地使用 AI。我們將透過具體的範例，展示如何在開發新功能、修復 bug、重構程式碼等場景中使用 AI。

💡 前置條件
在學習本節之前，建議你先了解：
AI IDE 基礎 - 掌握 AI IDE 的基本使用
Git 和 GitHub 工作流程 - 了解程式碼版本管理
使用大模型幫助撰寫 API 程式碼 - 了解 AI 輔助開發的基本概念

📚 你將學到什麼

了解 AI 在開發過程中的角色和能力邊界
掌握不同專案類型的 AI 輔助開發策略
學習如何在開發新功能、修復 bug、重構程式碼等場景中使用 Claude Code
建立專案知識庫，提高與 Claude Code 的協作效率
掌握提升 AI 協作效率的實用技巧

1. 了解 AI 的能力邊界

在我們開始使用 AI 輔助開發之前，首先需要了解 AI 能做什麼、不能做什麼。只有這樣才能建立正確的協作模式。

1.1 AI 擅長什麼

可以把 AI 想像成一個非常聰明但仍需要明確指令的助手。它可以根據你的描述快速生成程式碼骨架，也能在幾秒鐘內閱讀上千行程式碼，找到你需要的那部分。如果有明顯的語法錯誤或常見的安全漏洞，它也能幫你發現。重複性的工作，比如批次重新命名變數、格式化程式碼、生成文件註釋等，特別適合交給 AI 來做。

簡單來說，AI 擅長有明確規則、可以自動化的工作。

1.2 AI 不擅長什麼

但 AI 也有它的局限性。它不理解你的業務邏輯，除非你詳細告訴它，否則它不會知道你們公司的訂單流程是怎麼運作的。它也無法做出需要權衡取捨的技術選型或架構設計決策，因為這些取決於你的經驗和對專案的理解。AI 也不知道你們團隊的特殊約定，比如「所有 API 都必須有日誌記錄」或「錯誤碼必須使用列舉型別」。你需要設定這些規則或明確告訴它。

最重要的是，AI 生成的程式碼不能直接使用。你必須審查和測試它。它可能生成看起來正確但實際有問題的程式碼，也可能忽略某些邊界情況。

1.3 如何與 AI 協作

了解了 AI 的能力邊界之後，協作模式就清晰了：你負責決定做什麼、做出決策、確保品質；AI 負責執行具體的程式碼編寫工作、尋找資訊、發現明顯的問題。

這就像和一個初級開發者合作一樣。你告訴他們需要做什麼，他們實作，然後你審查程式碼。不同的是，AI 執行速度快得多，但判斷力比人類弱。

2. 不同專案類型的開發策略

不同類型的專案需要不同的開發方式和 AI 使用策略。選擇正確的策略可以大幅提高開發效率。

2.1 全新專案（從零開始）

專案特點：

沒有歷史包袱，可以自由設計
需要建立專案結構和程式碼規範
適合快速迭代和試錯

推薦工作流程：

第一步：規劃專案結構

在開始寫程式碼之前，先讓 AI 幫你規劃專案結構和技術選型：

text

我想建立一個任務管理應用，功能如下：
- 使用者註冊和登入
- 建立、編輯和刪除任務
- 任務分類和標籤
- 任務提醒

請幫我：
1. 推薦適合的技術堆疊
2. 設計專案目錄結構
3. 規劃資料庫 schema

第二步：建立基本框架

根據規劃，讓 AI 建立基本的專案結構：

text

根據我們剛才討論的規劃，幫我：
1. 建立專案目錄結構
2. 初始化設定檔（package.json、.env 等）
3. 建立基本的伺服器程式碼

第三步：逐個實現功能

按優先順序逐個實現功能模組：

text

現在實現使用者註冊功能，需求如下：
- 使用電子郵件和密碼註冊
- 密碼加密儲存
- 電子郵件驗證

要點：

盡早建立程式碼規範，讓 AI 生成的程式碼遵循這些規範
每完成一個功能模組就測試和驗證
及時更新專案文件

2.2 成熟專案（大型既有程式碼庫）

專案特點：

程式碼庫龐大，有歷史約定
需要保持程式碼風格一致
修改必須考慮影響範圍

推薦工作流程：

第一步：了解專案結構

在修改程式碼之前，先讓 AI 幫你了解專案：

text

這是一個電商專案，我需要新增優惠券功能。
請幫我：
1. 分析整體專案結構
2. 找到訂單相關的程式碼
3. 看看其他類似功能是如何實現的

第二步：找到參考程式碼

讓 AI 在專案中找到類似的實現作為參考：

text

找出專案中其他促銷功能（如滿減、折扣）是如何實現的

第三步：遵循既有風格

讓 AI 按照既有程式碼的風格實現新功能：

text

請參考滿減促銷的實現方式來實現優惠券功能。
保持相同的程式碼風格和目錄結構。

要點：

先了解再修改，不要破壞既有架構
保持程式碼風格一致
修改後測試相關功能

2.3 快速原型（驗證想法）

專案特點：

速度最重要，程式碼品質次要
用於驗證產品想法或技術方案
可能之後會丟棄或重寫

推薦工作流程：

直接描述需求並快速實現：

text

建立一個簡單的待辦事項應用，需求如下：
- 新增、刪除和標記任務為已完成
- 本地儲存資料
- 介面簡單，能用就行

快速迭代：

text

新增搜尋功能
切換為深色主題
新增任務分類

要點：

不用太擔心程式碼品質或規範
快速驗證想法，及時調整方向
如果原型成功，之後需要重構

2.4 維護專案（主要是修 bug）

專案特點：

程式碼已穩定，主要任務是修復問題
需要快速定位問題
修改必須小心，避免引入新問題

推薦工作流程：

第一步：定位問題

text

使用者回饋：點擊「提交訂單」按鈕後，頁面卡住
主控台錯誤：TypeError: Cannot read property 'id' of undefined

請幫我：
1. 分析可能的原因
2. 找到相關的程式碼

第二步：分析根本原因

text

檢查在什麼情況下會出現這個錯誤
檢查資料流向

第三步：應用修復

text

修復這個問題，並且：
1. 新增防禦性程式碼避免類似問題
2. 新增錯誤提示改善使用者體驗

要點：

修復後全面測試，確保不影響其他功能
新增防禦性程式碼提高系統穩健性
記錄問題和解決方案以供未來參考

3. 常見開發任務的工作流程

在日常開發中，我們會遇到許多不同類型的任務。以下是幾個最常見的 AI 輔助工作流程。

3.1 開發新功能

場景： 產品經理給你一個新需求，你需要實現一個新功能。

完整工作流程：

第一步：理解需求（由你完成）

在開始寫程式碼之前，先釐清：

需要實現什麼功能？
輸入和輸出是什麼？
邊界條件和異常情況有哪些？
性能和安全要求是什麼？

第二步：了解既有程式碼（讓 AI 幫忙）

text

我需要實現使用者評論功能。請幫我：
1. 檢查專案中是否有類似的東西
2. 找到使用者資料和文章資料是如何儲存的
3. 了解這個專案中的資料庫操作慣例

第三步：制定實作計畫（與 AI 一起）

text

根據我們剛才的分析，實現評論功能需要：
1. 建立評論資料模型
2. 實現評論的 CRUD API
3. 在前端新增評論顯示和發佈功能

請幫我確認這個計畫是否合理，是否有遺漏

第四步：實現功能（AI 生成，你審查）

text

根據計畫，先實現評論資料模型。
需求：
- 包含評論內容、作者、文章 ID 和建立時間
- 支援巢狀評論回覆
- 新增必要的索引

text

現在實現評論 API 端點。
需求：
- 發佈評論
- 刪除評論（只能刪除自己的評論）
- 取得文章的所有評論
- 支援分頁

text

最後實現前端評論元件。
需求：
- 顯示評論列表
- 評論發佈表單
- 支援回覆評論

第五步：測試和驗證（由你完成）

手動測試主流程
測試邊界情況，如空內容和過長內容
測試許可權控制，如無法刪除他人的評論
請 AI 幫你撰寫自動化測試

真實對話範例：

text

你：我想新增一個使用者評論功能，讓使用者可以在文章上發佈評論

AI：好的，讓我先了解一下專案結構。
    [AI 分析專案程式碼]
    我看到專案已經有了使用者系統（models/user.js）
    和文章系統（models/article.js）。

    實現評論功能需要：
    1. 建立評論資料模型（models/comment.js）
    2. 新增評論相關的 API（routes/comment.js）
    3. 在文章詳情頁新增評論顯示和發佈功能

    我可以開始實現嗎？

你：好的，開始吧。先建立資料模型

AI：[生成 models/comment.js]
    我已經建立了評論資料模型，包含這些欄位：
    - id: 評論 ID
    - content: 評論內容
    - userId: 作者 ID
    - articleId: 文章 ID
    - parentId: 父評論 ID（用於巢狀回覆）
    - createdAt: 建立時間

    接下來要實現 API 嗎？

你：好的，實現 API

3.2 修復 Bug

場景： 使用者回報了一個問題，你需要快速定位並修復它。

完整工作流程：

第一步：收集資訊（由你完成）

記錄以下資訊：

錯誤訊息是什麼？
這個問題如何重現？
什麼時候開始出現的？
影響範圍有多大？

第二步：定位問題（讓 AI 幫忙）

text

使用者回饋：點擊「提交訂單」按鈕後，頁面卡住
瀏覽器主控台錯誤：TypeError: Cannot read property 'id' of undefined
錯誤出現在 checkout.js 的第 45 行

請幫我：
1. 分析可能的原因
2. 找到相關的程式碼
3. 檢查資料流向

第三步：分析根本原因（與 AI 一起）

text

檢查這個 user 物件從哪裡來的
檢查在什麼情況下 user 可能是 undefined

第四步：實施修復（AI 生成，你審查）

text

修復這個問題，需求如下：
1. 新增防禦性程式碼檢查 user 是否存在
2. 如果 user 不存在，重新導向到登入頁面
3. 新增友善的錯誤提示

第五步：驗證修復（由你完成）

用原來的步驟重現問題，確認問題已解決
測試相關功能，確保沒有引入新問題
想想其他地方是否存在類似問題

真實對話範例：

text

你：有使用者回報登入後重新整理頁面會被登出

AI：這通常是 token 儲存或驗證的問題。讓我檢查一下：
    1. token 儲存在哪裡，localStorage 還是 cookies？
    2. 頁面重新整理時 token 是否會重新載入？

    請告訴我哪個檔案包含 token 相關的程式碼

你：utils/auth.js

AI：[分析 utils/auth.js]
    我找到問題了：token 儲存在 sessionStorage 中，
    而 sessionStorage 在頁面重新整理時會被清除。

    解決方案：改用 localStorage

    你要我修改嗎？

你：好的，修改吧

AI：[修改程式碼]
    修改完成。token 現在儲存在 localStorage 中，
    所以頁面重新整理後不會丟失。

    我建議你測試以下項目：
    1. 登入後重新整理頁面，確認使用者保持登入狀態
    2. 關閉並重新開啟瀏覽器，確認使用者保持登入狀態

3.3 重構程式碼

場景： 程式碼變得難以維護，需要重構以提高程式碼品質。

完整工作流程：

第一步：定義重構目標（由你完成）

釐清以下問題：

你想解決什麼問題？（重複程式碼？結構混亂？性能問題？）
重構的範圍有多大？
可接受的風險等級是什麼？

第二步：制定重構計畫（與 AI 一起）

text

這三個函式（getUserList、getArticleList、getCommentList）
包含大量重複的分頁、排序和篩選程式碼。

請幫我：
1. 分析重複的部分
2. 提出重構方案
3. 評估重構的風險

第三步：準備安全網（讓 AI 幫忙）

text

在重構之前，請先幫我寫測試案例
確保重構後行為保持一致

第四步：逐步重構（AI 執行，你驗證）

text

根據我們剛才討論的計畫，先提取共用的函式

text

現在最佳化資料結構

text

最後更新呼叫處

第五步：驗證結果（由你完成）

執行所有測試，確保通過
手動測試關鍵功能
檢查程式碼品質是否有所提升

真實對話範例：

text

你：這三個函式有很多重複程式碼。你能幫我重構嗎？
    [貼上三個函式的程式碼]

AI：我分析了一下，主要差異是：
    - getUserList: 取得使用者列表
    - getArticleList: 取得文章列表
    - getCommentList: 取得評論列表

    它們的共同邏輯是分頁、排序和篩選。

    重構方案：
    1. 提取一個通用的 getList 函式
    2. 將不同的部分作為參數傳入

    這樣可以減少 80% 的重複程式碼。

    我可以開始實現嗎？

你：好的，但先幫我寫測試案例

AI：[生成測試]
    我已經為三個函式都寫了測試，
    涵蓋了主要的使用場景。

    我可以開始重構了嗎？

你：好的，開始重構

AI：[重構程式碼]
    重構完成。我建立了一個通用的 getList 函式，
    原來的三個函式現在都呼叫這個共用函式。

    請執行測試確認一切正常：npm test

3.4 程式碼審查

場景： 團隊成員提交了程式碼，你需要進行審查。

完整工作流程：

第一步：快速了解變更（讓 AI 幫忙）

text

總結這個 PR 改了什麼
主要修改了哪些檔案

第二步：檢查常見問題（讓 AI 幫忙）

text

檢查這個變更是否有：
1. 安全問題（SQL 注入、XSS 等）
2. 性能問題（N+1 查詢、記憶體洩漏等）
3. 明顯的 bug
4. 程式碼風格是否符合專案規範

第三步：深入審查（由你完成）

業務邏輯是否正確
是否考慮了邊界情況
是否有更好的實現方式
是否需要新增測試

第四步：給出回饋（由你完成）

指出需要修改的地方
解釋為什麼需要修改
提供改善建議

真實對話範例：

text

你：幫我審查這個 PR
    [提供 PR 連結或程式碼]

AI：我審查了這個變更，發現了以下問題：

    1. 安全問題：
       - 第 23 行：使用者輸入未轉義，可能有 XSS 風險
       - 第 45 行：SQL 查詢使用字串拼接，有注入風險

    2. 性能問題：
       - 第 67 行：在迴圈中查詢資料庫，造成 N+1 問題

    3. 程式碼品質：
       - handleSubmit 函式太長（200 行），建議拆分
       - 缺少錯誤處理

    你需要我詳細解釋其中任何一個嗎？

你：詳細解釋一下 SQL 注入問題

AI：在第 45 行：
    ```javascript
    const query = `SELECT * FROM users WHERE name = '${userName}'`;
    ```

    這裡直接將使用者輸入拼接到 SQL 語句中。
    如果使用者輸入 `' OR '1'='1`，就會變成：
    ```sql
    SELECT * FROM users WHERE name = '' OR '1'='1'
    ```
    這會返回所有使用者資料。

    正確的做法是使用參數化查詢：
    ```javascript
    const query = 'SELECT * FROM users WHERE name = ?';
    db.query(query, [userName]);
    ```

    你需要我修復嗎？

4. 建立專案知識庫

為了幫助 AI 更好地理解你的專案，建議在專案中建立一個知識庫。這樣 AI 就能按照你的慣例和習慣來工作。

4.1 建立專案描述檔案

在專案根目錄建立一個 CLAUDE.md 或 AGENTS.md 檔案，記錄關鍵的專案資訊：

markdown

# 專案概覽

## 專案摘要
這是一個線上學習平台，提供課程管理、使用者學習、作業提交等功能。

## 技術堆疊
- 前端：React 18 + TypeScript + Vite
- 後端：Node.js + Express + PostgreSQL
- 部署：Vercel（前端）+ Railway（後端）

## 專案結構

src/ ├── components/ # React 元件 ├── pages/ # 頁面元件 ├── api/ # API 呼叫 ├── utils/ # 工具函式 └── types/ # TypeScript 型別定義


## 程式碼規範
- 使用 ESLint 和 Prettier 格式化程式碼
- 元件檔案使用 PascalCase（如 UserProfile.tsx）
- 工具函式使用 camelCase（如 formatDate.ts）
- 常數使用 UPPER_SNAKE_CASE（如 API_BASE_URL）

## 開發流程
1. 從 main 建立功能分支
2. 開發完成後提交 PR
3. 程式碼審查通過後合併

## 常用指令
- 啟動開發伺服器：`npm run dev`
- 執行測試：`npm test`
- 生產建置：`npm run build`
- 格式化程式碼：`npm run format`

## 注意事項
- 所有 API 呼叫都必須包含錯誤處理
- 使用者輸入必須驗證和轉義
- 資料庫操作使用參數化查詢，避免 SQL 注入
- 敏感資訊（密碼、token）不得寫入日誌

## 資料庫 Schema
- users: 使用者表（id, email, password_hash, created_at）
- courses: 課程表（id, title, description, teacher_id）
- enrollments: 選課表（id, user_id, course_id, enrolled_at）

4.2 記錄常見問題和解決方案

在專案中建立 docs/troubleshooting.md 記錄常見問題：

markdown

# 常見問題

## 開發環境問題

### 問題：npm install 失敗
**原因：** Node 版本不相容
**解決方案：** 使用 Node.js 18 或更高版本

### 問題：資料庫連線失敗
**原因：** 環境變數未設定
**解決方案：** 將 .env.example 複製為 .env 並填入資料庫連線資訊

## 功能問題

### 問題：使用者登入後重新整理頁面會被登出
**原因：** token 儲存在 sessionStorage 中
**解決方案：** 改用 localStorage

### 問題：圖片上傳失敗
**原因：** 檔案大小超過限制
**解決方案：** 在前端新增檔案大小檢查，限制為 5MB

4.3 維護技術決策記錄

建立 docs/decisions/ 目錄記錄重要的技術決策：

markdown

# ADR-001：選擇 PostgreSQL 作為資料庫

## 狀態
已接受

## 背景
專案需要選擇一個關聯式資料庫。候選方案有 MySQL 和 PostgreSQL。

## 決策
選擇 PostgreSQL

## 理由
1. 更好的 JSON 支援，適合儲存課程內容
2. 更強大的全文搜尋能力
3. 團隊對 PostgreSQL 更熟悉

## 影響
- 我們需要學習 PostgreSQL 的特定功能
- 部署需要 PostgreSQL 環境

5. 提升 AI 協作效率的技巧

掌握一些實用技巧可以讓你與 AI 的協作更加高效。

5.1 描述問題時要清晰具體

不好的描述：

text

這個功能有問題
幫我最佳化一下

好的描述：

text

使用者點擊「提交」按鈕後，表單沒有提交
瀏覽器主控台報錯：Uncaught TypeError: Cannot read property 'value' of null
錯誤出現在 form.js 的第 23 行

這個列表載入很慢，有 1000 個項目
請幫我加分頁功能，每頁 20 個項目

要點：

提供具體的錯誤資訊
說明預期結果
給出相關的上下文

5.2 每次只做一件事

不好的做法：

text

幫我實現登入、註冊、密碼找回、個人中心、
修改密碼和郵箱驗證

好的做法：

text

先實現登入功能，需求如下：
- 電子郵件和密碼登入
- 記住登入狀態
- 錯誤提示

（完成後）現在實現註冊功能

（完成後）現在實現密碼找回功能

要點：

將大任務拆分為小任務
每完成一個任務就測試和驗證
確認沒有問題後再進行下一個

5.3 及時驗證結果

不好的做法：

讓 AI 連續修改 10 個檔案
最後才發現第一個修改就已經錯了
浪費大量時間

好的做法：

修改一個檔案後立即測試
確認沒有問題再繼續
發現問題就及時修正

要點：

小步前進，快速回饋
不要盲目信任 AI
保持對程式碼的掌控

5.4 善用上下文

技巧一：引用之前的對話

text

根據我們剛才討論的計畫來實現
參考之前的 getUserList 函式

技巧二：提供相關程式碼

text

這是既有的使用者模型程式碼：
[貼上程式碼]

請用相同的風格實現文章模型

技巧三：說明專案背景

text

這是一個電商專案，使用 React + Node.js
已經有了使用者系統和商品系統
現在我們需要新增購物車功能

5.5 儲存有用的對話

場景： 你解決了一個複雜的問題

做法：

將解決方案記錄到專案文件中
下次遇到類似問題時參考
分享給其他團隊成員

範例：

在 docs/solutions/ 下建立文件：

markdown

# 解決 N+1 查詢問題

## 問題描述
在取得文章列表時，系統會為每篇文章查詢一次作者資訊，
導致性能問題。

## 解決方案
使用 JOIN 查詢一次性取得所有資料：

```sql
SELECT articles.*, users.name as author_name
FROM articles
LEFT JOIN users ON articles.author_id = users.id

結果： 查詢時間從 2000ms 降至 50ms

5.6 學習提問的藝術

技巧一：先問「為什麼」

text

為什麼這段程式碼會造成記憶體洩漏？
為什麼應該使用 useCallback 而不是普通函式？

技巧二：要求多個選項

text

實現使用者認證有哪些不同的方式？
各自的優缺點是什麼？

技巧三：要求解釋

text

這段程式碼是如何運作的？
你能詳細解釋這個演算法嗎？

6. 常見問題

Q1：我可以直接使用 AI 生成的程式碼嗎？

A：不可以，不能直接使用。它需要審查和測試。

AI 生成的程式碼可能有以下問題：

邏輯錯誤或邊界情況處理不當
不符合專案的程式碼規範
安全風險
性能最佳化不足

你需要：

仔細閱讀生成的程式碼
理解其邏輯
測試不同場景
確認它遵循專案規範

Q2：如果 AI 誤解了我的意思怎麼辦？

A：及時糾正，重新描述需求。

text

不是這個意思。我的意思是...
這個理解是不正確的。應該是...
讓我重新描述一下需求...

如果糾正幾次後仍然不正確，你可以：

提供更多上下文
給出具體的程式碼範例
將任務拆分為更小的部分

Q3：遇到 AI 無法解決的問題怎麼辦？

A： AI 不是萬能的。有些問題仍然需要你自己解決。

AI 可能無法解決的問題：

非常新的技術（AI 的知識有截止日期）
你們團隊獨有的業務邏輯
需要存取外部系統的問題
複雜的性能最佳化問題

這時候，你需要：

閱讀官方文件
搜尋相關的解決方案
請教有經驗的同事
在社群中提問

Q4：如何判斷 AI 的建議是否合理？

A：用你自己的經驗和知識來判斷。

評估標準：

是否遵循最佳實踐
是否考慮了邊界情況
是否有潛在的安全風險
是否適合專案的技術堆疊
性能是否可接受

如果不確定，你可以：

請 AI 解釋為什麼建議這種做法
要求提供替代方案
諮詢團隊成員

Q5：團隊應該如何使用 AI 協作？

A：建立共享的規範和共享的知識庫。

團隊協作建議：

共用專案的 CLAUDE.md 設定
統一程式碼規範和風格
記錄常見問題的解決方案
定期分享有用的提示詞
在程式碼審查時檢查 AI 生成的程式碼

Q6：如何避免過度依賴 AI？

A：保持學習和思考。AI 是助手，不是替代品。

建議：

理解 AI 生成的程式碼，而不是盲目複製
主動學習你不了解的概念
定期複習基礎知識
先嘗試自己解決問題，再用 AI 驗證
參與程式碼審查，從他人的經驗中學習

7. 總結

透過本章的學習，你現在已經掌握了：

AI 的能力邊界：了解 AI 擅長什麼和不擅長什麼，建立正確的協作模式
專案類型策略：針對全新專案、成熟專案、快速原型和維護專案的不同開發策略
常見任務工作流程：開發新功能、修復 bug、重構程式碼和程式碼審查的完整工作流程
專案知識庫：學習如何建立專案文件讓 AI 更好地理解你的專案
協作技巧：提升 AI 協作效率的實用方法

核心要點：

角色分工明確：你做決策和確保品質，AI 負責執行和輔助
溝通清晰：具體明確，一次只做一件事
及時驗證：不盲目信任，測試和驗證
持續學習：了解 AI 的能力邊界，持續改進協作模式

記住：AI 是工具，不是替代品。它可以讓你更高效，但最終的程式碼品質仍然取決於你的判斷。從簡單的任務開始，逐步建立信任。你會發現 AI 可以幫你節省大量時間，讓你專注於更有價值的工作。

💡 下一步

在下一章中，我們將學習如何使用 AI 進行程式碼審查和品質保證，確保程式碼的可維護性和安全性。

AI 輔助開發工作流程 ​

1. 了解 AI 的能力邊界 ​

1.1 AI 擅長什麼 ​

1.2 AI 不擅長什麼 ​

1.3 如何與 AI 協作 ​

2. 不同專案類型的開發策略 ​

2.1 全新專案（從零開始） ​

2.2 成熟專案（大型既有程式碼庫） ​

2.3 快速原型（驗證想法） ​

2.4 維護專案（主要是修 bug） ​

3. 常見開發任務的工作流程 ​

3.1 開發新功能 ​

3.2 修復 Bug ​

3.3 重構程式碼 ​

3.4 程式碼審查 ​

4. 建立專案知識庫 ​

4.1 建立專案描述檔案 ​

4.2 記錄常見問題和解決方案 ​

4.3 維護技術決策記錄 ​

5. 提升 AI 協作效率的技巧 ​

5.1 描述問題時要清晰具體 ​

5.2 每次只做一件事 ​

5.3 及時驗證結果 ​

5.4 善用上下文 ​

5.5 儲存有用的對話 ​

5.6 學習提問的藝術 ​

6. 常見問題 ​

Q1：我可以直接使用 AI 生成的程式碼嗎？ ​

Q2：如果 AI 誤解了我的意思怎麼辦？ ​

Q3：遇到 AI 無法解決的問題怎麼辦？ ​

Q4：如何判斷 AI 的建議是否合理？ ​

Q5：團隊應該如何使用 AI 協作？ ​

Q6：如何避免過度依賴 AI？ ​

7. 總結 ​

AI 輔助開發工作流程

1. 了解 AI 的能力邊界

1.1 AI 擅長什麼

1.2 AI 不擅長什麼

1.3 如何與 AI 協作

2. 不同專案類型的開發策略

2.1 全新專案（從零開始）

2.2 成熟專案（大型既有程式碼庫）

2.3 快速原型（驗證想法）

2.4 維護專案（主要是修 bug）

3. 常見開發任務的工作流程

3.1 開發新功能

3.2 修復 Bug

3.3 重構程式碼

3.4 程式碼審查

4. 建立專案知識庫

4.1 建立專案描述檔案

4.2 記錄常見問題和解決方案

4.3 維護技術決策記錄

5. 提升 AI 協作效率的技巧

5.1 描述問題時要清晰具體

5.2 每次只做一件事

5.3 及時驗證結果

5.4 善用上下文

5.5 儲存有用的對話

5.6 學習提問的藝術

6. 常見問題

Q1：我可以直接使用 AI 生成的程式碼嗎？

Q2：如果 AI 誤解了我的意思怎麼辦？

Q3：遇到 AI 無法解決的問題怎麼辦？

Q4：如何判斷 AI 的建議是否合理？

Q5：團隊應該如何使用 AI 協作？

Q6：如何避免過度依賴 AI？

7. 總結