20 个 AI 编程常见坑

下面不是“绝对规则”，而是我从真实项目和社区讨论中整理出的高频坑。

X 链接是讨论线索，不是统计研究；正确做法仍要结合你的团队、风险和项目规模。

任务没说清楚就开干

1. 没有清楚计划就直接 Prompt：先写目标、边界和完成标准，再动手。讨论
2. 不看 Diff 就全部 Accept：至少检查改了哪些文件、为什么改、有没有越界。讨论
3. 没有可回退的 Git 检查点：完成一个可工作增量就提交，避免一次坏改毁掉全部进度。讨论
4. 只给模糊愿望：不要只说“做个登录系统”；写清用户、流程、限制和验收标准。讨论
5. 让 AI 随便引入新库和模式：先读取当前技术栈；新增依赖必须说明必要性和替代方案。讨论

没有安全边界和验证节奏

6. 把真实密钥贴进 Prompt：密钥放环境变量或密钥管理服务，聊天和仓库里只出现变量名。讨论
7. 不验证就发布：根据风险运行类型检查、构建、测试或真实设备验收，不要只信 AI 的完成声明。讨论
8. 用一个巨大 Prompt 一次做完整功能：拆成可以独立运行和验收的小增量。讨论
9. 修 Bug 时不断堆补丁：连续失败后回到干净状态，先定位原因，再换思路。讨论
10. 先做按钮和动画，后想核心结构：先确定数据流、用户旅程和核心架构，再做视觉细节。讨论

把原型当成可上线产品

11. 硬编码密钥或跳过安全检查：Secrets 进环境变量，权限、输入、上传和日志都要有边界。讨论一 · 讨论二
12. RLS、Rate Limit 和后端隔离没配置好：不要让前端直接持有服务端密钥或无限调用昂贵资源。讨论
13. 从零手写认证、支付等高风险基础设施：优先使用成熟方案，并按真实业务做权限和回调验收。讨论
14. 很晚才使用 Git，或者没有发布保护：项目第一天就建立版本历史；是否使用分支和 PR，按团队发布风险决定。讨论一 · 讨论二
15. 给一个精确例子，却没说明它只是例子：明确一般规则、边界情况和“不要只实现这个样例”。讨论

项目增长以后没有持续维护系统

16. 不确认架构就不断加功能：先让 AI 解释现有目录、依赖和数据边界，再决定扩展方式。讨论一 · 讨论二
17. 原型完成后没有持续开发系统：维护项目规则、上下文入口、Review 循环和自动化检查。讨论
18. 破补丁一层叠一层：同一路径连续失败就回退、重现、换模型或换负责人。讨论
19. 需求没对齐就让 AI 开干：高返工任务先用一次性问题清单完成对齐。讨论
20. UI 没有分步：先用户旅程 → 原型图 → 设计规范 → 页面实现 → 多端验收。讨论一 · 讨论二

中了很多条，先改哪三个

先做这三件事：

1. 每个任务开始前写清目标、边界和完成标准。
2. 每完成一个可工作增量就检查 Diff、运行验证并建立 Git 检查点。
3. 同一个问题连续失败两三次就停下来定位原因，不继续堆补丁。

继续看：常用 Prompt 和工作流 · UI 和原型