今天，字节 TRAE 和山大数智化支撑研究院在山大中心校区举办 TRAE on Campus 活动，有幸受邀作为比赛评委，并为"现场闪电开发"环节提供 AI 编程指导。

从上午 10 点到下午 6 点，分享、实战、比赛、路演，到场就送 SOLO 福利，最终还有现金奖品，真羡慕现在的大学生活啊~

有些同学是初次接触 AI Coding，我在现场解答了一些新手普遍遇到的问题，这里进行整理分享，希望可以帮助其他初学者少走弯路。

1. 上下文不是越多越好

首先，我们需要明确，应当尽可能提供足够的上下文。

但**“足够”并不意味着“越多越好”**。

因为过多的、无效的上下文内容，会稀释指令重点，造成生成目标偏移。

可能导致 AI 抓住一个占比较大的边缘细节大做文章，从而忽略了核心的逻辑。

2. 精准提问才能高效

昨天分享了《AI时代，Know-what比Know-how更重要》。

今天，我们再重申一遍。

当你和 AI 交流时，尽量使用业内规范的名词，这样更容易召回正确的结果。

如果你目前尚未掌握专业名词，那就可以在最终对话前，先和 AI 聊聊。

比如先问：“我这个页面加载慢，可能是什么原因？” 它可能会回答：“看起来是列表渲染没做虚拟滚动，建议引入 react-window。”

这样，你就拿到了关键词：虚拟滚动、react-window。接下来，再让 AI 使用这些技术帮你优化，结果就会更加高效。

3. 先分析，再执行

别急着让 AI 直接生成大量代码。

现在的 AI Agent 越来越强，一次可以生成几十个文件，可正因如此，一旦方向错了，浪费的时间也会更多。

建议大家正式生成代码前，先让 AI 给你分析下它对你需求的理解，如果不满意，就多沟通几轮，等到 AI 和你的理解一致后，再进行耗时的代码生成。

《AI 写代码总跑偏？试试费曼学习法：让它先复述一遍！》

当然，使用 TRAE 的 SOLO 模式，可以直接触发内置的“分析”-“文档”-“开发”流程，先输出产品文档和技术文档，确认无误后再生成代码。

结语

今天就分享这些内容吧，希望大家可以尽快适应 AI 协同研发的新范式。

如果有其他疑问，也欢迎留言交流。