AI Coding入门：开发生命周期全覆盖

背景

随着 Claude 3.7 Sonnet 的发布以及后续演进，AI Coding 能力正在快速改变软件开发的方式。然而，许多开发者仍不清楚从何入手。本文旨在提供一份全面的入门指南，覆盖从项目启动到维护的全流程，帮助开发者利用 AI 工具提升效率。文章强调，AI Coding 并非仅限于代码生成，而是贯穿整个软件开发生命周期的辅助手段。

核心内容

文章将软件开发生命周期分为多个场景，并给出具体的工具选型、提示词模板和实战方法。

工具选型

文章推荐优先使用 Claude Code 或 CodeX，其次是 Cursor，其他工具排后。

文本与代码可视化

步骤一：选择可视化输出类型
支持 HTML（网页展示）、Markdown（文档格式）和 PlantUML（强烈推荐）。PlantUML 灵活度高、样式精美、支持多种 IDE 插件。

步骤二：提示词模板

帮我将以下业务描述转换为 plantuml 语法图例
业务描述如下：
[你的业务描述]

实操演示：通过对话生成 PlantUML 编码，IDE 安装 PlantUML 插件后即可预览。同类场景包括 code2uml（代码转图表）、sql2uml（数据库设计可视化），大幅降低沟通成本。还可绘制架构图、流程图、UML 类图、数据模型图，以及利用 HTML + 运行数据生成运营报告网页。

PRD 到代码的完整链路

场景1：PRD 识别表结构
提示词：

识别我提供的所有 PRD 需求图片 + [文字描述]，帮我创建出所需要的表结构。
数据库：MySQL 5.7
要求：表名、表注释规范，字段类型合理，命名设计规范，提供专业建表语句（如有建表规范），引入对应建表规范

场景2：PRD 生成详细设计文档
步骤：引入 PRD 图片或文字 → 使用对应提示词。提示词模板如下：

识别我提供的 PRD 图片，帮我识别可能存在的接口，梳理出 markdown 格式的详细设计。详细设计模板：
[需求名称] - 详细设计
1. 接口名称
2. 接口地址
3. 接口入参及说明
4. 接口逻辑设计
5. 接口出参及说明

场景3：建表语句+业务描述生成后端代码
提示词：

【建表语句】基于这个表结构设计 + [业务描述]，帮我写出后端代码。
我的技术栈是：SpringBoot + MyBatis

更多可能性：大型项目使用 Claude Code & CodeX，小功能模块使用 Cursor Auto 模式。AI Coding 在功能迭代中生成质量差异更明显，而非从0到1的新项目。功能迭代提示词结构：

1. 参考 [已有模块代码文件夹路径]
2. 结合我的新需求 PRD 图片 [图片路径] 及文字描述：[对应描述]
3. 给出实现方案规划，由我分步确认执行

后端开发进阶场景

Code Review 场景
提示词示例：

@[代码路径] 帮我分析这个优惠券抽奖方案的优劣性

性能优化：自动插入日志
背景：某海报生成接口耗时过长。AI 可分析接口关键流程，用 StopWatch 高效添加耗时记录，输出统一接口耗时日志。示例流程：获取企业信息 → 构造 H5 URL → H5 URL 生成二维码 → 加载背景图 → 背景图+二维码整合为海报图 → 海报图转字节 → OSS 上传接口。

联调前的数据 Mock
痛点：下游接口未通时手动 mock 费时费力。AI 根据接口协议、入返参自动创建多场景 mock 数据。提示词示例：

[接口相关信息] queryEntOrders 是我的下游接口，目前暂未联调。根据以上信息帮我创建一个方法，先 mock 订单列表。需要包括：
- 已还车、已取车订单，有/无框架协议ID
- 预计取车时间、实际取车时间在/不在活动期间
- 企业ID在/不在指定列表
- 订单属性尽量丰富，模拟真实数据

类似场景还包括自动编写单元测试、覆盖边界场景、各类校验场景。

数据库优化场景

索引策略 Review：直接将 Mapper 文件交给 AI 分析，提示词：

分析这个 Mapper，帮我给出需要添加的关键索引及对应的语句

根据 AI 建议检查索引覆盖程度，在联调及提测前进行性能优化。

SQL 针对性性能优化：提供完整的 SQL 上下文（SELECT 语句、SHOW CREATE TABLE、SHOW INDEX、EXPLAIN SELECT），AI 可分析查询执行计划、表结构和现有索引，给出精准优化建议（索引调整、查询重写、表结构优化）。

开发效率神器：Curl 转 JS

利用浏览器 F12 获取请求信息，通过 AI 转为 JavaScript、TypeScript、Python、Java 等代码，高效复用请求。适用于各类 Agent 代码块，实现“插件自由”。提示词示例：

用 TypeScript 帮我发起以下请求：
1. 要求不使用三方库
2. 用最基础的 fetch 获取，Cookie 注释
3. 不能使用 DOMParser 解析数据
4. 写上对应的 main 方法测试
5. 请求如下：[curl]
返回的数据是一个 HTML 字符串，我需要获取新闻列表封装为对象数组包含属性：标题，链接，图片地址，摘要信息。新闻列表源码如下：[html]
目标容器在：<div class="mytarget">
中间包含内容二：我已经成功获取了新闻对象数组，接下来我想用对象里的 link 去请求文章详情，给我填充正文字段。不要使用 DOMParser，请求参考：[...]

关键要点

• 工具选型优先级：Claude Code & CodeX > Cursor > 其他。
• 可视化利器：PlantUML 是强烈推荐的格式，可零成本生成专业图表，支持 IDE 插件预览。
• PRD 到代码全链路：通过提示词实现“PRD→表结构→详细设计→后端代码”的自动转换，技术栈以 SpringBoot + MyBatis 为例。
• 功能迭代优于新项目：AI Coding 的价值在已有项目迭代中更突出，提示词应包含模块路径、新需求 PRD 图片及文字描述，并分步确认执行。
• Code Review 与性能优化：可直接让 AI 分析代码优劣，或通过 StopWatch 自动插入耗时日志定位瓶颈。
• Mock 数据生成：利用 AI 根据接口协议自动生成覆盖多种场景的假数据，节省联调等待时间。
• 数据库优化：让 AI 分析 Mapper 文件给出索引建议，提供完整 SQL 上下文（表结构、索引、执行计划）获得精准优化方案。
• Curl 转代码：将浏览器请求信息一键转为各类语言代码，无需三方库，适合 Agent 和插件场景。
• 无需 DOM 解析：在爬虫场景中，AI 可直接从 HTML 源码提取结构化数据，避免使用 DOMParser。

意义与影响

这篇文章系统性地展示了 AI Coding 如何从单一的代码生成工具扩展为覆盖整个软件开发生命周期的智能助手。其核心意义在于：

1. 降低开发门槛：通过提示词模板，非专业开发者也能够借助 AI 完成表结构设计、文档生成、mock 数据创建等任务。
2. 提升迭代效率：聚焦于功能迭代中的代码维护与优化（如 Code Review、性能调优、数据库索引），比从零生成新项目更具实际价值。
3. 促进标准化：提示词要求遵循命名规范、字段类型合理、建表语句专业等，有助于团队输出一致的代码质量。
4. 强化可视化沟通：PlantUML 等工具的引入