用好AI编程助手，你需要学会“当甲方”

当我们还在纠结AI写的代码对不对时，顶尖开发者已经在思考另一个问题：如何让AI持续工作数小时，自动完成大规模重构，直到所有测试通过。

这不是科幻，而是Cursor团队分享的真实工作方式。

核心认知转变：从“写代码”到“管上下文”

当你习惯让Agent编码后，你的主要工作就变成了一件事——为每个Agent提供恰到好处的上下文。不多不少，刚刚好。

芝加哥大学的研究发现，有经验的开发者更倾向于在生成代码前先规划。这个发现很有意思：越是高手，越不急着让AI动手。

规划不是浪费时间，而是在帮AI明确目标。目标越清晰，AI的成功率越高。

几个反直觉的实践：

第一，不要手动标记每个文件。Agent有强大的搜索能力，让它自己去找。你塞太多“可能相关”的文件进去，反而会让它分不清主次。

第二，对话不是越长越好。过长的对话会让Agent失去焦点，上下文里积累的噪音会分散它的注意力。当你发现效果下降，果断开启新对话。

第三，当Agent跑偏时，别试图用后续提示修修补补。回滚改动，重新细化计划，再跑一次。这比“抢救”一个进行中的Agent更快，结果也更干净。

测试驱动开发的新玩法

让Agent写测试，确认测试失败，提交测试，然后让Agent写实现代码并持续迭代直到全部通过。

关键是要明确告诉它“现在是TDD阶段，不要写模拟实现”，以及“不要修改测试，只写能通过测试的代码”。

Agent在有清晰迭代目标时表现最好。测试就是那个目标——它让AI能边改边验证，而不是盲目输出。

并行运行多个Agent

一个很强的技巧：让同一个提示词同时在多个模型上运行，然后比较结果。

这对棘手问题特别有效。不同模型会采用不同方法，你可以从中选出最优解，甚至发现某个模型遗漏的边缘情况。

那些用得最好的开发者有什么共同点？

他们写具体的提示。“给auth.ts加测试”和“为auth.ts的登出边界情况写测试用例，参考__tests__目录的模式，避免使用mock”——效果天差地别。

他们认真审查。AI生成的代码看起来可能是对的，但细节里藏着魔鬼。Agent工作得越快，你的审查流程就越重要。

他们提供可验证的目标。Agent无法修复它“看不见”的问题。强类型、代码检查工具、测试——这些都是给AI的明确信号。

他们把Agent当作有能力的协作者，而不是听话的工具。让它给出计划，要求它解释，对不认可的方案敢于质疑。

说到底，用好AI编程助手的本质，是学会当一个好甲方：需求清晰、目标明确、验收严格，但也给足空间让对方发挥。

cursor.com/cn/blog/agent-best-practices