1507
5📝 本期播客简介
本期我们克隆了知名开发者 Matt Pocock 在 AI Engineer 大会上的深度工作坊。Full Walkthrough: Workflow for AI Coding from Planning to Production — Matt Pocock (@mattpocockuk )
Matt 是 TypeScript 专家、在线教育平台 AI Hero 的创始人，过去半年他全身心探索如何将软件工程的基本功与 AI 工具高效结合。在这期播客中，你将听到 Matt 如何通过严谨的软件工程实践，让 AI 编程不再是“氛围编程”，而是可控制、可预测、高质量的工程流程。从理解大语言模型的局限性，到运用“追问”技巧对齐需求，再到将任务拆分、测试驱动开发、代码审查，Matt 提供了一套完整的工作流，帮助你真正驾驭 AI，而不是被 AI 驾驭。
👨🏫 本期嘉宾
Matt Pocock，TypeScript 专家，在线教育与开发工具 AI Hero 创始人。他以深刻的软件架构理解和丰富的 TypeScript 教学经验闻名，长期致力于帮助开发者提升代码质量与工程效率。
⏱️ 时间戳
开场 & 播客简介
00:00 主播一恺介绍节目与本期克隆的AI编程工作坊
00:37 Matt Pocock与原话亮点：软件工程基本功与AI的化学反应
软件工程基本功：AI时代的基石
01:31 Matt开场：AI是新范式，但软件工程基本功同样关键
02:41 现场调查：多数开发者每天用AI编程，但也常被AI气疯
大语言模型的“阿喀琉斯之踵”
03:57 聪明区与蠢笨区：为什么上下文越长AI越蠢？
06:33 多阶段计划：如何拆分大任务避开蠢笨区
07:54 记忆碎片：LLM的遗忘特性与上下文重置
09:20 压缩 vs 清空：哪种上下文管理方式更好？
规划与对齐：让AI听懂你的想法
11:58 练习项目：为课程平台添加游戏化功能
12:29 “追问我”技巧：远离“规格直接转代码”的误区
14:55 实战grill me技能：与AI进行深度盘问，达成共同理解
18:20 子代理的作用：隔离上下文，降低主窗口压力
21:31 问答环节：如何将追问技巧融入团队协作
从想法到产品需求文档（PRD）
26:48 盘问结束后，为什么需要一份PRD来记录设计概念？
28:09 自动生成PRD：用户故事、实现决策与模块划分
31:34 为什么不读PRD？信任对齐过程，把时间花在QA上
任务拆分：看板、垂直切片与并行开发
34:28 看板方法：将PRD拆成独立任务，理清阻塞关系
36:38 垂直切片与曳光弹开发：避免AI“水平编码”，尽早获得反馈
43:38 创建任务依赖图，规划多智能体并行执行
实现阶段：自动智能体与测试驱动开发
45:45 白班与夜班：人类完成规划，AI火力全开自动实现
46:54 Ralph全自动智能体循环：任务优先级与反馈回路
50:31 问答：如何管理AI产出的大量代码审查？
56:50 AI对AI的QA：让AI自审代码，但记得清空上下文
58:15 测试驱动开发（TDD）：从AI身上榨取最大价值的关键
代码审查、规范与架构优化
01:00:32 人工QA：重新注入人的品味，避免产出“渣滓”
01:04:18 浅模块 vs 深模块：好代码库让AI更聪明
01:09:53 改善代码库架构技能：扫描耦合，创建可测试的深模块
01:11:47 文档腐烂：为什么PRD完成就应丢掉？
01:15:42 编码规范策略：对实现者“拉取”，对审查者“推送”
01:17:15 Sandcastle：跨智能体并行开发的TypeScript框架
总结与建议
01:20:41 完整工作流回顾：想法→对齐→PRD→看板→实现→审查
01:22:19 核心建议：多读经典软件工程书籍，它是一座纯金矿
🌟 精彩内容
💡 软件工程基本功是AI时代的放大器
Matt强调，AI是新范式，但模块化、测试、代码审查这些基本功在与AI协作时更为重要。糟糕的代码库造出糟糕的智能体，优秀的架构才能让AI发挥威力。
💡 聪明区与蠢笨区：LLM的核心约束
理解大语言模型的“注意力衰减”是高效使用AI编程的前提。上下文超过一定长度后，模型性能急剧下降，因此必须将任务拆小，避免一脚踩进蠢笨区。
💡 “追问我”技巧：与AI深度对齐的秘密武器
Matt独创的“grill me”技能，通过不断向开发者提问的方式，强迫AI与人在设计概念上达成一致。这远比直接产出计划文档更能确保后续实现不跑偏。
💡 TDD：让AI写出高质量代码的钥匙
测试驱动开发（红-绿-重构）是让AI编程产生价值的绝对关键。它提供了即时反馈循环，避免AI盲目编码，并显著提升代码库的测试覆盖率。
💡 垂直切片与深模块：设计AI友好的系统
AI倾向于一层一层水平编码，导致迟迟无法集成测试。采用垂直切片（曳光弹）和深模块设计，能让人和AI在开发早期就获得完整反馈，大幅提升效率。
💡 人机协作的终极工作流
Matt分享了一套完整打法：人工负责规划和需求对齐，生成PRD与看板任务；然后交给AI自动实现；最后人工进行QA和审查。这套流程将AI的效率与人的品味完美结合。
🌐 播客信息补充
翻译克隆自：
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
