最近感觉 AI 写代码真是越来越厉害了，但是也越来越有点不放心，没说它写的不好，也不是怕被裁员，而是感觉 AI 它像是个黑盒，你输入一句话，它输出一份可用的代码，写demo、玩具、实现简单想法看起来没什么问题，但是在真实项目里头，不知道它选了啥方案，为啥这么写，有没有埋坑，总感觉心里没底，而且代码review的时间大大增加
所以我想是不是应该写出文档，再让AI去写代码，但是手动写文档也麻烦，所以打算做个工具来帮我做这个，但是在写的时候各种想法涌入，最后花了两三个月的时间捣鼓了一个开源工具 Architext ，包含 项目持久上下文管理 + 文档先行，代码后置规则 + AI命令声明周期等东西
这个也算是我在如何与AI协作去开发真正生产级产品的一次探索，我并不认为这是这个问题上的很好答案，但是我觉得至少这是一个我认为行得通的方向
目前还是非常早期的阶段，希望各位大佬有兴趣的话，可以尝试一下，并提点意见
同时有没有大佬能说说你们平时怎么控制AI生成代码的风险的？
Github-Architext
使用教程
ps: 我也有尝试使用openclaw，想要让openclaw去使用我这个框架，用里头的命令和claude code对话去完成一个项目，但是试了很多次也没成功，经常出现一两次可能用来正确的命令，但是后面就会出现openclaw自己写代码的情况，有大佬有啥好办法吗？
9 个赞
收藏备用，跟传统的speckit，openspec,plan and wright啥区别呢？
1 个赞
说实话其实还是提示词工程，不过得分几个层面，首先比较重要的是实现一个功能前的功能设计，强制ai去实现功能前做设计，拆解任务，生成spec、plan文件，具体可以看代码的architext\templates\zh\docs\templates\spec.template.md和architext\templates\zh\docs\templates\plan.template.json 这两个，人工检查生成的任务细节符合预期，再让ai去code，完成后会在在cli层面做了一个任务完成度检查 npx archi task --check （不过其实也有可能有幻觉，毕竟勾选还是ai来勾选是否完成的），最后是最后执行一个独立上下文的审查skill来审查功能是否完成，以及修复（完成效果还是得看模型能力）
我觉得最主要的区别应该是我这里做了项目的持久化文档，针对有不同特性的项目，设计了对应的json文件，来记录项目代码/功能快照，可以让ai在设计/实现功能的时候不要偏离项目已有的东西，比如utils工具，ai写代码的时候很容易不管项目中有没有这些代码，而重复去实现一些公用工具，比如日期转换、单位处理，通过存下这些快照，可以让ai快速了解到项目中有的东西，不会自己再造轮子