开发者分享利用AI及SKILLS进行项目开发的实战经验

背景

在 AI 技术日益融入软件开发流程的当下，如何高效利用 AI 辅助项目落地成为了开发者社区关注的焦点。近期，在 LINUX DO 社区的 AI 版块中，一位用户发起了一项关于“使用 AI 进行项目开发的心得与经验”的讨论。

该帖子的起因是作者受邀向专业课老师分享其使用 AI 做项目的经验，涵盖 SKILLS 的使用、MCP（Model Context Protocol）推荐以及提示词（Prompt）编写技巧等。然而，作者坦言自身可分享的成熟经验有限，因此通过发帖向社区求助，旨在汇集更多开发者的实战心得。这一互动不仅反映了初学者对 AI 辅助开发的探索需求，也体现了社区在共享技术实践方面的活跃氛围。

核心内容

作者在帖子中首先澄清了分享的目的：并非提供一套完美的“AI 编程圣经”，而是基于自身有限的实践，抛出几条基础但关键的经验，以引发社区更广泛的讨论。

作者首先强调了项目前期的沟通与规划的重要性。建议在正式编码前，先与 AI 进行充分的对话，深入探讨项目背景、所需功能模块以及整体开发流程。这种前置的“对齐”过程有助于确保 AI 输出的代码方向与开发者的预期一致，避免在项目初期就出现严重的逻辑偏差。

其次，作者重申了AI 作为工具的本质定位。AI 的作用是放大人类的能力，而非完全替代人类。因此，开发者自身必须具备至少入门级的编程基础和对相关领域的基本了解。如果开发者完全不懂底层逻辑，一旦 AI 生成的代码出现偏差，开发者将难以察觉和纠正，导致项目失控。

此外，作者特别推崇联网搜索功能的价值，称之为“神级功能”。以开发“打字机动画”为例，过去开发者需要手动在 GitHub 上寻找相关源码或实现原理，再将其提供给 AI 参考。而现在，只需指令 AI 联网搜索相关源码或原理，AI 即可自动获取最新、最相关的信息并整合进解决方案中。这一转变极大地降低了信息检索成本，提升了开发效率。

最后，作者开放了讨论空间，邀请社区其他成员分享各自的小经验，形成了良好的互动闭环。

关键要点

• 前置沟通对齐：在项目启动阶段，务必与 AI 深入交流项目背景、功能需求及开发流程，确保双方理解一致，防止方向跑偏。
• 保持人类主导权：AI 是能力放大器而非替代品。开发者需具备基础编程知识，以便在 AI 输出偏离预期时能够识别并纠正，避免完全依赖 AI 导致的失控风险。
• 善用联网搜索：充分利用 AI 的联网搜索能力替代传统的手动代码检索（如 GitHub 搜索）。通过指令让 AI 自动获取最新源码或技术原理，可显著提升开发效率。
• 社区经验共享：AI 辅助开发的最佳实践仍在快速迭代中，通过社区交流（如 LINUX DO）分享和收集碎片化经验，有助于构建更完善的个人工作流。

意义与影响

这篇帖子虽然篇幅不长，但触及了当前 AI 辅助编程（AI-Assisted Programming）的核心痛点与最佳实践方向。

首先，它纠正了部分开发者对 AI “全能化”的误解，强调了人机协作中人类判断力的重要性。在 AI 生成代码日益普及的今天，开发者的角色正从“代码编写者”向“代码审查者”和“架构设计师”转变，基础知识的扎实程度决定了 AI 辅助的上限。

其次，对联网搜索功能的推崇，揭示了 AI 工具链进化的一个关键趋势：从静态的知识库响应转向动态的信息获取与整合。这使得 AI 能够处理更实时、更具体的技术问题，极大地扩展了其应用边界。

最后，该讨论体现了开源社区在新技术落地过程中的知识沉淀价值。通过分享诸如“如何给提示词”、“如何使用 SKILLS”等具体技巧，社区正在共同构建一套适应 AI 时代的软件工程方法论，为更多开发者提供了可参考的实践路径。