AI编程实战：团队落地，规范与协作

写在前面

一个人用 AI 是提效，全团队用 AI 是治理问题。没有规范，代码质量、信息安全、责任归属都会出问题。

一、为什么需要规范

• 代码质量：AI 风格不一致、重复代码变多；
• 安全：敏感信息、密钥可能被喂给 AI；
• 责任：出了问题，代码是 AI 写的，但责任人是人。

二、团队规范清单

1. 明确可用场景：重复性、样板代码、测试、文档、重构建议可以用 AI；核心业务逻辑必须人工主导；
2. AI 生成代码必须走 Code Review：没有例外；
3. 敏感信息不进 AI：密钥、客户数据、内部架构细节禁止粘贴；
4. 生成代码标注来源：在 PR 描述里注明哪些是 AI 生成，降低 review 成本；
5. 责任人始终是人：AI 的建议被采纳后，署名和兜底都是开发者本人。

三、Code Review 里 AI 的角色

AI 适合当初审：查风格问题、常见漏洞、遗漏的测试；人当终审：判断业务正确性、架构合理性。分工明确，review 效率最高。

提示：规范不是为了限制 AI，而是为了让 AI 用得可预期。团队先用两周试点，再根据实际痛点完善规则。

小结与下篇预告

这篇建立了团队落地的最小规范。下一篇《AI编程实战：效率与成本，AI 编程的 ROI 怎么算》，回答老板最常问的问题：“AI 到底值不值”。

小作业

起草一份适合你团队的 AI 使用规范（10 条以内），标注出哪几条是你认为最关键的，发到群里收集反馈。