选题背景与核心痛点

很多人认为使用AI编程只需安装Codex或Claude Code等工具，直接发送“做个笔记软件”的指令即可。然而，博主指出这种简单交互往往导致交付结果与预期严重不符，甚至包含大量Bug。AI生成的代码质量不可控是主要痛点，因此需要一套标准化的流程来确保交付物的可靠性。博主将以开发“马克阅读”电子书阅读器为例，演示如何通过结构化步骤让AI稳定交付满意作品。核心目标在于建立可控的AI工作流，而非单纯依赖指令生成。

“我相信你给AI一个指令 它确实可以帮你把软件做出来 但我的疑问是 AI做出来的效果 真的跟你预期的一样吗”

Agent选择与环境初始化

博主推荐使用Codex作为主要编程Agent，因其功能完善且兼容性强。虽然以OpenAI GPT模型为主，但也支持接入DeepSeek、GLM等国产模型。环境搭建的第一步是创建项目文件夹（如“马克阅读”），并在Codex中关联该本地目录。初始化Git仓库是必要步骤，用于版本管理。博主强调所有代码项目都应使用Git托管，以便在代码混乱时一键回退到可用状态。版本控制是防止劳动成果丢失的基础保障。

“实际上我建议你 所有的代码项目都拿Git来管理”

AGENTS.md规范与自动化约束

在初始化Git后，博主创建了一个AGENTS.md文件作为项目的“说明书”，用于约束AI行为。该文档设定了两条核心规则：一是每次代码改动必须创建Git commit，确保版本可追溯；二是每次改动后必须编写或更新测试用例。强制自测机制能提前拦截明显Bug，避免AI直接交付未经验证的代码。这一环节通过自动化约束提升了开发过程的规范性。AGENTS.md是连接人类意图与AI执行的关键配置。

“每次改动之后 都必须要编写 或者是更新相关的测试 并在交付给用户前 确保所有的测试和验收全部通过”

MVP设计与交互Demo验证

在明确要做电子书阅读器后，博主通过与AI讨论确定MVP（最小可用产品）范围。初期仅支持TXT文件导入、明亮主题及纵向滚动，剔除EPUB解析、目录章节、深色模式等复杂功能。MVP策略旨在以最低成本验证核心流程，避免方向错误导致资源浪费。博主还介绍了制作前端Demo的价值：通过模拟数据展示界面交互，提前验证用户体验。对于后端逻辑复杂的项目（如知识库），Demo能有效降低返工风险；但对于简单项目，可直接进入开发。设计文档与Demo共同构成了开发的统一依据。

“MVP就是 minimal viable product的缩写 中文呢一般是叫做最小可用产品”

技术栈决策与插件赋能验证

技术方案设计阶段，博主咨询AI关于Electron的适用性。最终确定采用Electron + React + TypeScript + Vite架构，兼顾开发效率与跨平台能力。为赋予AI自验证能力，博主安装了computer use和Chrome插件。前者允许AI操作电脑界面，后者用于查看Web页面。具备自测环境的AI能显著减少人工调试成本，避免沦为“人肉测试员”。在编写代码前，AI需读取产品设计文档和技术方案作为开发底稿。插件赋能是实现自动化闭环的关键技术支撑。

“如果你用的是Codex 那我建议至少安装两个插件...有了这两个插件 大部分的功能 都是可以交给AI来验证的”

代码实现、自测与人工验收

进入编码阶段，AI根据文档生成代码并执行自测。尽管有AGENTS.md约束和插件辅助，AI仍可能产生Bug（如启动报错）。博主演示了通过人工发现错误并反馈给AI修复的过程。最终交付物需经过严格的人工验证，包括功能测试、交互体验及边界情况检查。人工验收是确保产品符合预期的最后一道防线，任何自动化流程都无法完全替代人类对细节的把控。五步流程闭环确保了从设计到交付的质量可控性。

“真正用起来 再怎么样还是得我们 自己亲自验证之后才知道”

流程灵活性与核心原则总结

博主总结了AI编程的五步标准流程：环境搭建、产品设计、技术设计、产品实现（含自测）、人工验证。这五个步骤可根据需求复杂度灵活调整：简单不重要项目可跳过设计与技术环节，直接实现并验证；复杂重要项目则需完整走通全流程。核心原则有三：必须使用Git进行版本管理；必须赋予AI自测能力（如插件）；必须进行人工最终验证。在开发效率与结果可控性之间需做权衡，参与越多控制越强但耗时越长。这三项原则是保证AI编程质量不可妥协的底线。

“真正不能省的 就是这三件事情 用Git搭建好环境 让AI具备自测能力 最后还一定要人工验证”

结论

博主通过“马克阅读”项目的完整开发案例，论证了结构化工作流在AI编程中的必要性。单纯依赖指令生成代码会导致质量不可控，而通过环境初始化、规范约束（AGENTS.md）、MVP设计、技术决策及自测验证的五步流程，能显著提升交付稳定性。核心结论在于平衡效率与控制权：Git版本管理、AI自测能力及人工最终验收是三个不可省略的基石。随着模型能力进化，流程细节可能调整，但确保人类对关键节点掌控权的原则不变。这套方法为开发者提供了一套从混沌指令到稳定产品的可复用范式。