AI 辅助开发：把“做完了”写成可检查的结果

把要求写到能观察的程度

“让页面更好用”很难验证；“在窄屏下能看清端子编号，操作按钮后两幅图同步变化”则可以直接检查。与 AI 协作时，我会尽量把目标落实到具体对象、动作和结果，并说明已有材料与使用场景。这样既有利于实现，也便于发现完成结果与最初目标之间的差异。

电气项目尤其需要说明来源和边界。器件名称、端子关系、导线颜色和动作顺序都有依据，不能仅凭视觉效果决定。提出需求时把参考图、原厂资料和允许调整的范围说清楚，可以减少后续返工。

第一类是内容：型号、文字和来源是否准确。第二类是功能：输入是否得到预期反馈。第三类是表现：图面、标注和动画是否清楚。第四类是交付：别人拿到链接或文件之后，能否按说明使用。它们彼此相关，但一个方面通过不能替代其他方面。

例如，三维模型能加载不代表拆解关系正确；页面能打开不代表保存成功；测试脚本结束也不代表已经覆盖真实手机。每一项结论都应带有对应范围，记录实际通过、失败和没有执行的检查。

发现问题后，先说明复现条件，再进行定向修改，最后重新运行相关检查。截图能记录画面，日志能记录过程，数据比较能检查保存结果。证据应对应同一版本，避免拿旧截图说明新代码的效果。

有历史数据的项目还需要恢复路径。修改前保留必要备份，检查新版本时确认旧数据能够继续读取。这样即使调整没有达到预期，也可以回到已知状态，而不必重新整理已经积累的内容。

AI 可以帮助编写代码、整理文档和设计检查，但公开作品仍需要说明需求从哪里来、自己负责什么、使用了哪些第三方基础。把这些关系写清楚，能够让访问者更准确地理解作品，也帮助我判断下一步应该补充哪方面能力。

我希望每次协作都留下可复用的东西：清楚的需求、可以重现的检查、对应版本的交付说明，以及仍待解决的问题。这样的积累让下一次工作有据可循，也让“完成”成为可以被别人理解和检查的结果。