本文介绍一种务实的AI编程工作流，不同于“一行代码都不写”的噱头，强调通过编写模块化、可测试的框架代码来控制AI。该方法能显著降低Token消耗，保持代码结构清晰，适合长期迭代和维护。
智能速览
不同于全自动编程，主张通过微量框架代码控制AI生成质量
核心思想是“代码即精确的规格说明书”，分步实现
将项目拆分为小于1000行的小模块，实现逻辑与数据分离
利用Mock技术实现自动化测试，大幅降低AI出错率
相比官方实践，Token消耗减少约三分之二，可用平价模型
该流程强制开发者思考架构设计，提升核心拆解能力
精华内容
不同于追求高自动化的“不写代码”，一种务实的微量代码编程实践能显著提升项目稳定性。
核心思想与优势
这种工作流源自Spec-Driven Development，核心理念是将代码作为精确的规格说明书。相比官方实践，该方法通过减少上下文长度，Token消耗仅约为原来的三分之一。
实测显示，即使将昂贵的Claude模型替换为国产GLM等平价模型，对生成效果的影响也微乎其微，大幅降低了开发成本。同时，结构化的代码使得多轮迭代后依然清晰易读，疑难Bug极少。
框架代码构建原则
流程的第一步是分块编写需求文档，第二步也是最关键的，是编写只包含接口和数据结构的框架代码。构建时需遵循四大原则：模块代码控制在1000行以内；每个模块专注于单一功能；将可测试逻辑抽离；模块间仅依赖接口不依赖实现。
这种设计将复杂的系统拆解为AI易于理解的小单元，每一块逻辑都足够独立，避免了上下文过载导致的AI幻觉。
逻辑分层与测试
以战棋游戏为例，系统被拆分为战斗状态层、行动层、控制器层和事件处理层。状态层纯存数据，行动层处理规则返回事件，控制器层负责UI显示。
这种架构最大的优势在于可测试性。行动层和事件层因为与屏幕解耦，可以通过Mock替换真实控制器，让AI编写单元测试代码自动验证逻辑正确性，无需人工运行游戏即可排查Bug。
指挥AI填充实现
框架搭建完毕后，即可指令AI逐块填充实现逻辑。开发者无需逐行审查代码，只需检查是否偏离了预定的接口设计。
一旦发现AI有乱加接口或破坏架构的倾向，需将约束规则写入AI工具的配置文件（如CLAUDE.md）中。这种基于规则的约束让AI与开发者的理解保持高度一致，确保了代码的规范性和稳定性。
提升架构能力
该流程不仅是编程技巧，更是对思维能力的训练。它强制开发者在动手写逻辑前，先思考如何拆解问题和设计结构。
在AI时代，代码实现的门槛被大幅降低，但将复杂需求转化为清晰架构的能力决定了指挥AI的上限。这种能力是专业开发者区别于业余用户的核心竞争力。
这套工作流虽需投入精力设计架构，但换来了长期迭代的稳定性和成本优势。未来，架构设计能力或许将成为程序员区别于AI的关键，欢迎分享你的看法。
关键评论
有观点认为应将数据与逻辑分离、逻辑与表现分离，并提出了模块间关系处理的疑问。
非专业人士希望看到从软件安装到生成的简单游戏完整复刻教程，认为现有内容门槛过高。
有网友指出AI写代码的前提仍需编写代码，业务层进化或仅需写提示词。
建议设计可视化蓝图工具，辅助不会代码的人编写全面的提示词。
