AI 交付路径

AI 编码治理主题 Hub

用规格、提示词、风险登记和证据门禁,让 AI 辅助编码保持可评审、可追踪、可发布。

最近更新:2026-05-06

从这里开始

治理提示词

提示词应携带允许范围、禁止文件、验收标准,以及合并前必须提供的证据。

打开治理指南

登记 AI 特有风险

生成代码可能扩范围、漏迁移安全、弱化权限或新增未评审抽象。合并前先登记。

使用风险登记

要求测试证据

绿色 diff 不是证据。PR 里要附测试、日志、截图、回滚说明和未解假设。

查看证据门禁

决策矩阵

位置写法评审意义
提示边界允许文件、非目标、不得改变的 API阻止范围漂移
风险登记认证、数据、迁移、并发、契约、可观测性、回滚让生成代码风险可见
证据门禁测试、日志、截图、评审记录、回滚触发条件把 PR 评审变成行为验证

可复制片段

# AI 编码评审包

允许范围:
- 文件:
- 行为:
- 不得改变的 API:

验收映射:
- 标准 1 -> 测试/日志/证据:
- 标准 2 -> 测试/日志/证据:

AI 风险登记:
- 范围漂移:
- 权限风险:
- 数据或迁移风险:
- 回滚风险:

人工批准:
- 责任人:
- 签核条件:

AI 生成代码进入评审前如何使用这个 Hub

当团队允许 AI 起草代码、测试或规格,但仍然需要可追责交付时,就使用这个 Hub。关键控制点不是模型名字,而是提示词是否携带书面范围,生成 diff 是否留在范围内,评审者拿到的是证据还是自信语气。

打开助手前,先写允许变更集:文件、公开契约、数据写入、测试预期和非目标。然后要求输出映射回验收标准。如果 diff 改了规格没提到的行为,即使代码看起来有用,也要按范围扩张处理。

涉及权限、迁移、计费、API 响应、后台任务或回滚路径的 AI 生成工作,评审要更严格。这些地方最容易把“看起来合理”的代码变成昂贵事故。证据应在合并前提供,而不是作为后续补充。

评审量表

检查项通过标准
提示边界允许文件、行为和非目标明确。
可追踪性每个行为变化都映射到规格或验收标准。
风险登记认证、数据、迁移、契约和回滚风险被点名。
证据门禁合并前已经有测试、日志和人工检查。
人工责任人范围和风险接受都有明确批准人。

常见失败模式

  • 让助手“顺手清理一下”。
  • 生成测试只证明生成实现,而不是原始行为要求。
  • 高风险文件变化却没有回滚说明。
  • 评审者因为 diff 很整齐而批准,而不是因为证据映射到标准。

交接说明

交接产物应该跟着 PR 走:提示边界、验收映射、风险登记、测试证据和人工签核。生成变更在生产里偏离预期时,事故复盘才有线索。

真实 AI 评审门禁示例

典型 AI 辅助改动可能从一句提示开始:“添加 workspace admin 批量禁用用户”。治理步骤要先把它拆成允许文件、禁止的公开 API 变化、权限规则、审计事件和测试证据。助手可以起草代码,但不应该决定被禁用用户是否保留 API token,也不应该决定禁用一个账户是否级联到邀请席位。

评审者要先把 diff 和提示边界对照,再看代码风格。如果助手改了范围外文件,新增未批准抽象,或者擅自改变响应结构,就需要新的规格决策。这就是让 AI 继续有用,同时不让工具悄悄变成产品负责人的方式。

真实场景拆解:AI PR 越界修改

常见 AI 失败不是语法错误,而是看起来合理的额外重构,悄悄改变批准范围之外的行为。治理包要让这个问题在合并前可见。

Diff 发现风险评审动作
在允许文件外新增 helper未评审抽象改变共享行为删除,或重新打开规格并要求 owner 批准
API 响应结构改变客户端契约漂移合并前补 API 兼容性评审
测试只断言实现细节虚假信心补一条删除行为就会失败的验收级测试
缺少回滚说明生成改动无法安全撤销阻塞,直到写明回滚触发条件和责任人

快速审核清单

把这个 Hub 用到真实团队之前,先做一个短审核。第一,读者离开页面时是否能复制一个产物到自己的流程里。第二,关联文章是否分别回答不同问题,而不是重复同一个定义。第三,页面是否点出了生产环境里真的会造成损失的失败模式,而不只是停留在计划阶段。

有用的 Hub 更像工作台。读者应该能打开页面,选择路径,复制片段,并知道评审前要附什么证据。如果页面只是解释主题,它只是另一篇文章;如果它能帮助读者决定下一步怎么做,它才是资源。

发布前复核问题

最后再问三个问题:这页是否让读者知道第一步该做什么;是否给了可以直接复制的文本;是否说明了什么情况下应该暂停而不是继续推进。只要其中一个答案是否定的,就不要把它当作完成。主题页的价值不是把文章重新包装一遍,而是把分散内容整理成一条能执行的路线。

这也是给审核员看的质量信号:页面有明确主题,有原创组织方式,有表格、流程、示例和行动项,并且能把读者带到下一步资源。它不是为了凑字数存在,而是帮助用户更快判断自己需要哪类规格、哪类证据和哪类评审。

AI 编码治理文章

如何编写遵守规格的 AI 编程提示词

给 AI 工具明确范围、禁止事项、验收标准和证据要求。

阅读文章

AI 编码治理:用规格驱动提示词

定义提示词边界、审计线索和可检查的评审路径。

阅读文章

AI 编码合并前的风险登记

跟踪模型不会主动标出的权限、数据、契约、迁移、回滚和观测风险。

阅读文章

AI 编码的测试证据门禁

要求有意义的测试证据,而不是只看生成代码是否能跑。

阅读文章

AI 编码 PR 评审:用验收标准衡量通过与否

把生成 diff 映射回验收标准,阻止范围外改动。

阅读文章

AI 辅助开发规格的质量门禁

用提示前检查、diff 评审、证据验证和人工签字控制发布风险。

阅读文章

AI 生成客户端下的 API 变更治理

把 AI 生成客户端的兼容性风险接进 API 变更治理。

阅读文章

为 Agentic 客户端设计 API 规格

为 LLM 驱动调用方写清安全、幂等和 dry-run 规则。

阅读文章

常见问题

这是要阻止团队使用 AI 吗?

不是。目标是让 AI 输出可评审:给工具明确书面范围,并在生成代码进入生产前要求证据。

哪些事情必须由人负责?

范围批准、兼容性决策、风险接受、回滚权限和最终发布签核,都应该有明确的人类责任人。

需要直接落地时,先打开模板,再回到这页补齐评审和证据。