# 模块 1:AI 改动的工程闭环
AI 辅助完成的代码,仍然要经过研发协作中的基本检验:范围清晰、变更可审查、结果可验证、结论可追溯。 这些工程要素共同约束 AI 改动的速度、质量与责任边界。
```text 影响分析 -> 变更实现 -> PR 说明 -> Git 审查与合并 -> CI 构建与测试 -> 发布或回退判断 -> 可追溯技术结论 ```
--- # CI/CD 在交付链路中的位置
CI:持续集成
代码提交后自动编译、检查和测试,尽早发现无法合入的问题。
持续交付
CI 通过后形成可部署版本,进入测试或预生产环境;生产发布仍需人工确认。
持续部署
CI 通过后自动发布生产环境,需要成熟的监控、自动化门禁和回退能力。
提交 PR -> CI 构建与测试 -> 可部署版本 -> 测试环境验证 -> 人工确认 -> 生产发布或回退
CI 负责尽早暴露问题;是否发布仍需要结合业务风险和验证证据作出判断。
--- # AI 改动进入协作后的四类信息
改动目标
解决什么问题,明确不解决什么问题
影响范围
涉及哪些入口、数据、状态、权限或外部依赖
验证证据
哪些行为已经由测试、日志或人工检查证实
已知边界
哪些场景尚未覆盖,哪些结论仍需要确认
--- # 工程质量的最终责任仍在人
| AI 可以加速 | 人必须确认 | |---|---| | 搜索代码、归纳调用链、生成候选实现 | 业务规则是否正确 | | 生成测试草稿、解释日志、提出修复假设 | 权限、数据和状态边界是否完整 | | 补充 PR 说明和变更摘要 | 变更范围是否可接受,验证结论是否准确 | | 提供多种实现方案 | 采用哪一种方案及其长期维护成本 |
把 AI 当作加速器,而不是把工程判断外包给 AI。