学习与AI协作规范

AI可以参与什么

• 澄清需求、生成用户故事和检查遗漏；
• 比较技术方案并提出实施计划；
• 生成局部代码、测试用例和排错建议；
• 解释代码、分析日志、审查潜在问题；
• 协助整理 README、接口说明和演示提纲。

学生必须完成什么

• 确定项目边界和业务规则；
• 审核AI提出的设计与代码；
• 运行、测试并记录真实结果；
• 能解释本人负责的核心代码；
• 对项目安全、质量和真实性负责。

标准AI编程工作流

flowchart TD
    A["阅读任务与现有代码"] --> B["补充上下文和约束"]
    B --> C["让AI提出计划"]
    C --> D{"人工审核"}
    D -->|通过| E["分步骤实现"]
    D -->|修改| B
    E --> F["编译、运行、测试"]
    F --> G{"符合验收标准？"}
    G -->|否| B
    G -->|是| H["记录并提交Git"]

禁止行为

• 一次性要求AI生成整个系统；
• 不阅读、不运行就直接提交AI代码；
• 将密码、密钥、个人信息提交给公共模型；
• 伪造测试结果、开发记录或成员贡献；
• 无说明地大规模覆盖已有代码；
• 答辩时无法解释本人负责的功能。

每周AI协作记录

记录四项即可：

1. 本周任务；
2. 使用的关键提示词；
3. 采纳或拒绝了哪些建议；
4. 如何验证最终结果。