适合用 AI 的任务

并非所有编程都该手敲。在 aie-traditional 的纪律内，有些任务 ROI 高、风险低，适合交给 Copilot 或 Cursor。本课帮你 分类决策，而非「能问 AI 就问」。

学习目标

• 按风险与可验证性给任务分类
• 掌握高价值 AI 使用场景与配套审查动作
• 衔接 ai-prompt 的写法

适合矩阵

任务类型	示例	为何适合	验收方式
样板代码	DTO、Mapper、重复 CRUD	模式固定	编译 + 快照
文档草稿	README、API 说明、讲义 draft	可人工改	通读 + 链接核对
测试草稿	边界用例、Mock 设置	可跑红绿	test-mockito
探索 API	新库用法、错误信息解读	快试错	最小 repro + 官方文档
重构机械步	重命名、提取方法	diff 清晰	全量测试
读陌生代码	「这段做什么」	省时间	以源码为准

共同特征：输出 可快速验证，错了代价小、易回滚。

推荐工作流

1. 明确约束（输入输出、禁改目录、测试命令）
2. AI 生成小步 diff（feature 分支，见 git-branch）
3. 本地测试绿
4. 人读 diff：命名、边界、安全
5. commit + PR，标注 AI usage

与 ai-cursor 的 Agent 用法一致：小步、可 diff、可 revert。

CodeRoadMap 讲义场景

写 content/课程/*/drafts/*.md 时，AI 适合：

• 按 outline.yaml 生成 50–70 行结构稿
• 统一「学习目标 / 练习 / 小结」格式
• 起草交叉链接占位（你 核对 slug 是否存在）

不适合 全权交给 AI：事实、版本号、仓库路径——必须人工核对（详见 aie-content）。

提升效果的 prompt 要点

• 附上 现有代码或相邻讲义 作风格样例
• 写明 测试命令（如 mvn test）
• 要求 分步输出，避免一次改 20 个文件

练习

• 选一项样板任务（如加一个 DTO），用 AI 完成并记录审查耗时