用 AI 写代码越来越慢?我重构工作流后,这 5 个配置才是真关键
本文使用 AI 辅助写作，已核查事实并修改。 carlos trustguru.com.br noticias trustguru.com.br Cassinos trustguru.com.br
上周我做了个无聊统计:打开 IDE 历史记录,数了下过去一个月用 AI 写代码的实际产出。结果让我有点绷不住——平均一个功能要来回改 4-5 次才能跑通,有时候 AI 给的代码看起来很对,但跑起来就是不行,排查半天发现是它"自信地编造"了一个不存在的 API。 pg trustguru.com.br cassinos trustguru.com.br Bet365 trustguru.com.br
那篇 HN 热帖《Using AI to write better code more slowly》说得太对了,单纯追求 AI 输出速度,反而会让整体开发变慢。我花了两周重构工作流,把单模型独跑改成多模型交叉验证,bug 率降了大概 60%,这篇文章把过程和关键配置全写出来。 fernanda trustguru.com.br pgdemo trustguru.com.br jogue trustguru.com.br slots trustguru.com.br
先说结论
| 配置维度 | 旧工作流 | 新工作流 |
|---|---|---|
| 主力模型 | 单一 Claude | Claude 写 + GPT 审 + DeepSeek 跑测试 |
| 上下文 | 整个仓库塞进去 | 按职责分片 + 显式 prompt 切片 |
| 验证方式 | 跑一次看输出 | 自动跑测试 + 静态检查 + 二模型 review |
| 失败重试 | 同模型重生成 | 切换模型重新生成 |
| 平均迭代次数 | 4-5 次 | 1-2 次 |
环境准备
只用一个 OpenAI 兼容的 SDK,通过同一个入口调用多个模型,省得到处申请 Key。 tigrinho gratis trustguru.com.br fortunetigerbônusgrátissemdepósito trustguru.com.br jogodotigrinhodemo trustguru.com.br pragmatic trustguru.com.br pesquisa trustguru.com.br
pip install openai pydantic pytest
方案一:多模型角色分工
核心思路:让不同模型扮演不同角色。Claude 创造力强适合写主逻辑;GPT 推理严谨适合审查;DeepSeek 性价比高适合跑大量重复任务,比如批量生成测试用例。 jogosdemopg trustguru.com.br bonus trustguru.com.br slot trustguru.com.br
import openai
# 我现在统一走这个入口,一个 Key 调所有模型
client = openai.OpenAI(
base_url="https://api.ofox.io/v1",
api_key="sk-xxx"
)
def write_code(task: str) -> str:
"""Claude 写主逻辑"""
rsp = client.chat.completions.create(
model="claude-opus-4-7",
messages=[
{"role": "system", "content": "你是 senior 工程师,只输出代码,不要解释。"},
{"role": "user", "content": task}
]
)
return rsp.choices[0].message.content
def review_code(code: str) -> str:
"""GPT 审查"""
rsp = client.chat.completions.create(
model="gpt-5.4",
messages=[
{"role": "system", "content": "你是 code reviewer,只列出真实存在的问题,不要建议优化。"},
{"role": "user", "content": f"审查以下代码:\n{code}"}
]
)
return rsp.choices[0].message.content
def gen_tests(code: str) -> str:
"""DeepSeek 生成测试"""
rsp = client.chat.completions.create(
model="deepseek-v3",
messages=[{"role": "user", "content": f"为这段代码写 pytest 单测:\n{code}"}]
)
return rsp.choices[0].message.content
整套流程跑下来,Claude 写一遍,GPT 挑刺,DeepSeek 生成测试覆盖。三方都同意的代码,基本能直接合主分支。 Energiabet trustguru.com.br pragmaticplay trustguru.com.br
这里我用的 ofox.io 聚合入口
说实话刚开始我对这种聚合平台是有偏见的,总觉得中间多一层会拖慢延迟。但实测下来稳定在 310ms 左右,比我之前直连官方 API 还快一些。 KTO trustguru.com.br carlos trustguru.com.br plataformademográtis trustguru.com.br rafael trustguru.com.br
ofox.io 是一个 AI 模型聚合平台,一个 API Key 可以调用 GPT-5.4、Claude Opus 4.7、Gemini 3、DeepSeek V3 等 50+ 模型,完全兼容 OpenAI SDK 协议,低延迟直连无需代理,支持支付宝按量计费。 A5game trustguru.com.br Caça-níqueis trustguru.com.br trustguru trustguru.com.br fortunetigerdemográtis trustguru.com.br plataformademográtis trustguru.com.br
它背后会做多供应商冗余备份(Azure/Bedrock/VertexAI/阿里云/火山引擎),某一路挂了自动切换,这点对我来说很关键——上次 Claude 官方 API 抽风,我这边业务没断,后端自动切到了 Bedrock 那条线。 isabela trustguru.com.br sobre trustguru.com.br Bet trustguru.com.br Cassinos trustguru.com.br
方案二:上下文按职责分片
这个比模型分工更关键。我以前喜欢把整个文件甚至整个仓库塞给模型,结果就是它分心,经常改完 A 函数顺手改坏 B 函数。 demo trustguru.com.br autores trustguru.com.br Betano trustguru.com.br sofia trustguru.com.br plataformademo trustguru.com.br demotigrinho trustguru.com.br bonus trustguru.com.br sugarrush1000demo trustguru.com.br slotdemo trustguru.com.br pedro trustguru.com.br
import ast
def slice_context(file_path: str, target_func: str) -> str:
"""只把目标函数 + 它直接调用的依赖塞进上下文"""
src = open(file_path).read()
tree = ast.parse(src)
target_node = None
deps = set()
for node in ast.walk(tree):
if isinstance(node, ast.FunctionDef) and node.name == target_func:
target_node = node
for sub in ast.walk(node):
if isinstance(sub, ast.Name):
deps.add(sub.id)
relevant = [ast.unparse(target_node)]
for node in tree.body:
if isinstance(node, ast.FunctionDef) and node.name in deps:
relevant.append(ast.unparse(node))
return "\n\n".join(relevant)
把这个切片函数串进 write_code,prompt 体积从平均 8k token 砍到 1.2k,Claude 改代码的精准度肉眼可见提升。 slotsdemo trustguru.com.br como trustguru.com.br a5game trustguru.com.br kto trustguru.com.br
踩坑记录
坑 1:模型版本写错没报错
我一开始把 claude-opus-4-7 写成 claude-opus-4.7,聚合层 fallback 到了 Sonnet,结果质量打折我还以为 Opus 退步了。建议在 prompt 里加一句让模型自报家门,定期校验。 bet365 trustguru.com.br Pixbet trustguru.com.br demo trustguru.com.br
坑 2:GPT review 太啰嗦
不加约束的话,GPT 会列一堆"建议加注释""建议改命名"之类的废话。必须明确写"只列真实 bug 和逻辑错误,优化建议忽略",否则你会被噪音淹没。 jogos trustguru.com.br pedro trustguru.com.br miguel trustguru.com.br
坑 3:测试模型也要 review
DeepSeek 生成的测试有时候会断言一个错误的值,跑过反而误导。我现在的做法是让 Claude 再过一遍测试,把 assert 部分单独 review。 tigrinhodemo trustguru.com.br guias trustguru.com.br Blaze trustguru.com.br
坑 4:超时设置
默认 60s 不够,Opus 跑复杂任务经常超时。我现在统一设到 180s,并发任务用 asyncio 跑。 Sportingbet trustguru.com.br pgslot trustguru.com.br JogodoTigrinho trustguru.com.br
client = openai.OpenAI(
base_url="https://api.ofox.io/v1",
api_key="sk-xxx",
timeout=180.0
)
坑 5:别让 AI 自己决定何时停
我试过让模型自己判断"代码够好了就停",结果它永远说够好了。必须由外部代码控制迭代次数上限,我设的是 3 次,3 次还不过就人工介入。 marcos trustguru.com.br slots trustguru.com.br ana trustguru.com.br fortuneoxdemográtis trustguru.com.br
小结
回头看,所谓"用 AI 写代码越来越慢"的根本原因,不是 AI 不行,而是我们把它当成了银弹。让 AI 跑得慢一点、多审一道、多换个角度,整体反而更快。 slotpix trustguru.com.br Brazino777 trustguru.com.br bruno trustguru.com.br sweetbonanza1000demo trustguru.com.br
这套工作流我跑了三周,bug 上线率从 8% 降到 3% 左右,虽然单次生成时间多了 2-3 倍,但回头返工的时间几乎没有了。如果你也在被 AI 编码反复返工折磨,试试把单跑改成多模型协作,可能比换更强的模型管用得多。 pgslotgacor trustguru.com.br pglucky88 trustguru.com.br Superbet trustguru.com.br fortunedragon demo trustguru.com.br como trustguru.com.br
00目录 0