AI 生成的代码跑不通,九成不是模型写错了语法,而是它拿到的上下文不完整:缺依赖版本、缺报错原文、缺你真正想改的那一个文件。把报错、文件、环境三样东西一次性喂进去,调试成功率比反复说”还是不行”高得多。
为什么 AI 生成代码总是”差一点”
模型的推理依赖上下文窗口。你只贴一句”这段代码报错了”,它只能猜运行环境、猜依赖版本、猜你改了哪些地方。猜错一次,后面的修改就在错误方向上叠加,越改越乱。
- 上下文缺失:没给完整报错栈、没给相关文件内容。
- 目标漂移:多轮对话后,模型记住的是早期需求,而不是最新改动。
- 验证缺失:没人告诉它”跑通哪条命令算成功”,它就按”看起来对”收工。
可复用的四步调试流程
第一步:锁定最小复现
先把问题压缩到一条命令或一个用例。能给单测就给单测,给不了就给一段最小脚本。模型对”可复现”的问题命中率远高于”偶发”描述。
第二步:完整投喂上下文
一次消息里包含四块内容:完整报错栈(不要截断)、相关文件全文、依赖版本(package.json / requirements.txt)、你期望的行为。不要分五条消息挤牙膏。
第三步:要求先定位再修改
明确要求:先给出根因判断和证据位置,再动手改。直接让它改,它倾向于”顺手重构”,把能跑的部分也改坏。
第四步:给出可执行的验收标准
告诉它跑哪条命令、期望什么输出。有明确验收点,它才会自己迭代到通过,而不是停在”应该可以了”。
三种常见卡点与解法
| 卡点 | 表现 | 解法 |
|---|---|---|
| 循环修改 | 改三版还是同一个错 | 清空会话,带上完整上下文重开 |
| 版本幻觉 | 用了不存在的 API | 贴官方文档片段或本地类型定义 |
| 改坏别处 | 一个功能好了,两个功能坏了 | 要求 diff 最小化,禁止顺带重构 |
什么时候该放弃让 AI 修,自己上手
把调试成本前置到生成阶段
与其事后调试,不如生成前就给约束:项目规则文件写清技术栈与目录约定,任务描述里写明验收命令。相关的配置方法与实战经验可参考 Cursor Rules 项目配置,重构类任务的拆解方式见 AI 重构遗留代码实践。生成阶段多花一分钟写清约束,调试阶段能省十分钟。




