5
0
当大家都在追求让 AI 写更多代码时，Boris Tane 却给自己定了一条近乎“苛刻”的铁律：在审核并批准书面计划之前，绝不让 AI 编写任何代码。结果呢？他的工作流不仅效率奇高，而且几乎不会出现“AI 破坏现有系统”的惨剧。
本期节目将深入拆解这套“调研-规划-执行”三部曲。你会发现，真正的秘密武器不是什么高级插件，而是几个朴素的 Markdown 文件。你将看到，他如何通过“深度读取”指令让 AI 真正理解代码库的底层逻辑；如何通过一轮又一轮的 “标注循环”，像修改论文一样，将 AI 的初步计划打磨得无懈可击；最后，又如何化身“监工”，让 AI 机械化地执行那些早已验证无误的待办清单。对于受够了 AI “自作主张”的开发者而言，这套工作流提供了一种将控制权牢牢握在自己手中的优雅方案。
Boris Tane 的工作流提供了一种反直觉却极其高效的 AI 协作范式。它没有追求“一步到位”的魔法，而是通过一套严谨的流程，将 AI 的强大生成能力与人类的战略判断力完美结合。核心启示是：真正决定代码质量的，不是 AI 写代码的速度，而是你在它动笔之前，投入了多少思考和规划。
以下为主要内容的图文介绍：
🔍 第一阶段：深入调研——让 AI 先“读透”代码，再开口说话
Boris 深知，AI 最擅长的是“局部正确”，但往往缺乏对系统整体的理解。因此，任何代码生成之前，必须经过彻底的调研。
- 深度指令的艺术：他使用的 Prompt 不是简单的“看看这个模块”，而是要求 AI 进行 “深度读取” ，并刻意使用 “深入地”、“极其详细地” 等词汇，以防止 AI 偷懒、浅尝辄止。
- 持久化文档：调研的结果不能仅存在于聊天记录中。AI 必须将所有发现——包括缓存层逻辑、ORM 约定、现有接口的依赖关系——写入一个持久的 Markdown 文件（如
research.md）。 - 核心价值：这一步确保 AI 真正理解了系统的“潜规则”，避免写出在孤立环境下看似完美，但一旦合并就会破坏现有功能的代码。这份文档，成了后续所有决策的共同基石。
✍️ 第二阶段：规划与“标注循环”——在文本中完成一切思想交锋
调研之后，AI 会起草一份详细的 plan.md，包含代码片段、修改文件路径和各种技术权衡。但这只是草案，真正的“战役”才刚刚开始。
- 标注循环：这是 Boris 工作流中最核心的创新。他会直接在
plan.md文件中添加行内笔记，像审阅同事的文档一样：纠正 AI 的错误假设、拒绝某些“看上去很美”但实则危险的方案、补充 AI 缺失的领域知识。 - 多次迭代：然后，他会要求 AI 根据这些笔记更新计划，但严禁立即开始写代码。这个“添加笔记 → 更新计划”的循环通常会重复1到6次，直到计划完全符合他的预期。
- 任务拆解：当计划最终定稿，他会要求 AI 生成一份颗粒度极细的待办清单，作为后续执行的“施工图”和进度跟踪工具。
🤖 第三阶段：机械化执行——让 AI 成为不知疲倦的“打字员”
当一切准备就绪，Boris 的角色就从“架构师”转变为“监工”。
- 标准化指令：他发出一系列标准、明确的指令：“全部实现”、“标记已完成的任务”、“不要添加多余注释”、“持续运行类型检查”。此时的AI，如同一个严格遵守 SOP 的操作员。
- 极简反馈：执行过程中，如果发现偏差，他的反馈也极其简短（例如“那里多出了2像素间隙”），或直接通过截图辅助纠偏。所有关于“做什么”和“为什么做”的决策，都已经在上一阶段解决。
💎 核心优势：为什么这套“笨办法”如此高效？
- 分离思考与打字：将创造性的、容易出错的设计决策，全部前置到安全、可反复修改的文本层面解决。最后的代码实现，变成了一个纯粹的、不易出错的“体力活”。
- 共享可变状态：Markdown 文件成为了人与AI之间的“共享工作记忆”。它比零散的聊天记录更具结构性、可追溯性，且能被反复加载，让 AI 的每一次唤醒都基于同样的理解。
- 人工始终在驾驶位：Boris 始终负责判断优先级、裁剪范围和保护现有接口。AI 负责的是执行，而非决策。
- 单次长会话的魔力：通过在单次长会话中完成整个流程，AI 能通过前期的调研和多轮标注，不断加深对系统的整体理解，效果远优于多次开启新会话的碎片化协作。
