Skip to Content
工程化实践5. 反馈与迭代复盘实践指南

复盘实践指南

建立有效的复盘机制，持续改进 AI 辅助开发实践

为什么要复盘

AI 辅助开发是一个不断学习和优化的过程。复盘帮助你：

  • 发现模式：识别 AI 擅长和不擅长的场景
  • 沉淀经验：将个人经验转化为团队资产
  • 持续改进：不断优化 Prompt、Rules 和工作流
  • 控制风险：及时发现和修复 AI 引入的问题

复盘频率与形式

Code Review 层面（高频）

频率：每次 PR / 每日

目的：快速识别 AI 生成代码的问题模式

标记 AI 生成的代码

在 Review 时识别哪些代码是 AI 生成的：

// 可以通过注释标记
// AI-GENERATED: 以下代码由 Cursor 生成
 
// 或在 PR 描述中说明
// 🤖 AI 辅助生成的文件: src/components/UserCard.tsx

记录常见问题

建立问题清单，追踪 AI 的常见错误：

问题类型频率示例解决方案
命名不规范高getData vs fetchUserData更新 Rules
缺少错误处理中未处理 API 异常添加 Prompt 模板
过度抽象中不必要的工厂模式明确简洁性要求

及时更新 Cursor Rules

发现重复问题后，立即更新 Rules：

<!-- .cursor/rules/code-style.mdc -->
## 命名规范
- API 调用函数使用 `fetch` 或 `get` 前缀 + 资源名称
- 示例：fetchUserData, getUserProfile
- 禁止使用模糊的命名如 getData, handleClick

团队层面（定期）

频率：双周 / 月度

形式：团队回顾会议（15-30 分钟专项议题）

议程模板：

## AI 辅助开发双周复盘
 
### 1. 数据回顾（5分钟）
- 本周期代码采纳率
- 主要问题类型分布
- 效率提升感知
 
### 2. 经验分享（10分钟）
- 优秀案例展示
- 踩坑经验分享
- 新发现的高效模式
 
### 3. 改进行动（10分钟）
- Rules 更新建议
- Prompt 模板补充
- 工作流优化建议
 
### 4. 行动项（5分钟）
- 确定负责人
- 设定完成时间

复盘要点

AI 表现好的场景

识别并记录 AI 表现优秀的场景：

## AI 高效场景清单
 
### UI 开发
- ✅ 静态页面布局
- ✅ 表单组件生成
- ✅ 样式调整和响应式
 
### 工具函数
- ✅ 日期格式化
- ✅ 数据验证
- ✅ 字符串处理
 
### 文档生成
- ✅ API 文档
- ✅ README 编写
- ✅ 代码注释

行动：这些场景可以更大胆地使用 AI，减少人工干预。

AI 表现差的场景

同样记录需要谨慎的场景：

## AI 需谨慎场景清单
 
### 数据库操作
- ⚠️ 复杂 JOIN 查询
- ⚠️ 事务处理
- ⚠️ 性能优化
 
### 业务逻辑
- ⚠️ 涉及金额计算
- ⚠️ 权限控制
- ⚠️ 状态机转换
 
### 安全相关
- ⚠️ 认证授权
- ⚠️ 数据加密
- ⚠️ 输入校验

行动：这些场景需要更详细的 Prompt、更严格的 Review，或直接手写。

Cursor Rules 调整建议

复盘中发现的 Rules 优化点：

黄金法则：如果同一个问题出现 3 次以上，就应该更新 Rules。

调整清单模板：

问题当前 Rules建议调整优先级
组件嵌套过深无相关规则添加：组件最多嵌套 3 层P1
变量命名不一致有基础规则补充：禁止单字母变量P2
缺少类型注解有 TypeScript 规则强调：所有函数必须有返回类型P1

工作流优化建议

基于实践反馈的流程改进：

案例分享机制

优秀 Prompt 案例库

建立团队共享的 Prompt 模板库：

示例：prompts/ui-component.md

字段内容
场景生成 React UI 组件
效果采纳率 85%+，平均迭代 1.5 次

Prompt 模板：

基于以下设计需求，生成 React 组件：
- 组件名称：[name]
- 功能描述：[description]
- 使用的 UI 库：[ui-library]

要求：
1. 使用 TypeScript
2. 组件必须支持 className prop
3. 包含基础的 loading 和 error 状态
4. 添加必要的 aria 属性

高效工作流模板

记录被验证有效的工作流：

示例：workflows/figma-to-code.md

场景：从 Figma 设计稿生成前端代码

步骤：

  1. 导出 Figma 截图（建议 2x 分辨率）
  2. 使用 Prompt：“基于截图生成 React 组件，使用 Tailwind CSS”
  3. 首次生成后，补充交互细节
  4. Review 生成的代码，重点检查：
    • 响应式断点
    • 无障碍属性
    • 组件拆分粒度

注意事项：

  • 复杂动画效果需要单独处理
  • 图标建议使用项目已有的图标库

踩坑记录与解决方案

建立问题知识库：

示例：pitfalls/database-query.md

字段内容
问题AI 生成的数据库查询在大数据量时性能差
症状页面加载超时、数据库 CPU 飙升
原因AI 倾向于使用 ORM 便捷方法，忽略了 N+1 问题

解决方案：

  1. 在 Prompt 中明确要求考虑性能
  2. 添加 Rules（数据库查询必须）：
    • 使用 eager loading 避免 N+1
    • 复杂查询添加索引建议
    • 大数据量查询必须分页
  3. Review 时重点检查数据库操作

相关文件：.cursor/rules/database.mdc

持续改进闭环

建立追踪机制

## 改进追踪表
 
| ID | 问题 | 改进措施 | 负责人 | 状态 | 验证结果 |
|----|------|----------|--------|------|----------|
| 001 | 组件嵌套过深 | 更新 Rules | @张三 | ✅ 完成 | 嵌套减少 40% |
| 002 | API 错误处理缺失 | 添加 Prompt 模板 | @李四 | 🔄 进行中 | - |
| 003 | 测试覆盖率低 | 工作流增加测试步骤 | @王五 | 📋 待开始 | - |

技术债雷达

定期检查 AI 生成代码的技术债：

# 搜索标记为 AI 技术债的代码
grep -r "AI-DEBT" src/
 
# 统计数量趋势
echo "本月 AI 技术债: $(grep -r "AI-DEBT" src/ | wc -l)"

如果技术债持续增长，说明 Review 机制可能不够严格，或者某些场景不适合使用 AI 生成。

复盘检查清单

每次复盘时可以参考以下清单：

  • 本周期的核心指标是否有变化？
  • 有哪些优秀案例值得分享？
  • 有哪些问题重复出现？
  • Cursor Rules 需要更新吗？
  • Prompt 模板需要补充吗？
  • 工作流程需要调整吗？
  • 上次的改进行动完成了吗？效果如何？

下一步

了解如何建立反馈收集机制，系统化地收集团队反馈数据。

最后更新于:
反馈收集机制我们的实践反馈