AI 赋能全栈开发：把双手从键盘上解放出来的真实实验

如果有人说“我们来做一套全栈评论系统”，你脑子里可能已经闪过一串噩梦：表结构设计、CRUD、React 状态、无限滚动、防 XSS、顺手再补一波测试。放在从前，这往往等于自愿取消周末。

这篇文章是一次认真的实验记录：能不能把最耗神的实现与兜底交给 AI，人只管架构、体验与业务规则？ 不堆术语，只从一线视角聊聊这套让我多次准时下班的工作流，到底是怎么转起来的。

1. 长记忆：上下文别再“断片”

以前用 AI，最怕它记性差：你让它改 A，它顺手把 B 拧成麻花；文件一长，就开始胡言乱语。这次在啃 CommentXX.tsx 这种“Hooks + Supabase Realtime + 错误边界”叠在一起的块头时，它反而稳住了——能在一个线程里重构订阅逻辑，同时咬住你已经定好的状态契约。

说白了：不是魔法，是你把业务拆清楚、它就有空间把注意力放在该放的 token 上。复杂组件照样需要人画心智模型，但“记住上周咱俩说过啥”这块，现代模型已经比早年玩具助手靠谱太多。

2. TypeScript：接口它比你还熟

“给个评论数据结构”——它交出来的不只是 id、content、created_at。author_avatar、parent_id（楼中楼）、该 optional 的字段打上 ?，一套常见开源评论 schema 里该有的，它往往自带领域常识。接口定义从体力活降级成：你审稿、拍板、它起草。

3. 渐进式 MVP：看着它一路“打怪升级”

我习惯先跑通最小可用，再叠横切能力。写 route.test.ts 时，先 mock 最简单返回；通了再追加：Sentry、Rate Limit 边界、异常分支。它像高级工程师一样一层层缝合，还尽量不让旧用例红——最后堆到 132 条用例时，我甚至有点感动：这活以前多半会在“先上线再说”里悄悄烂尾。

1. SSR 与水合：该懒的地方别客气

Next.js 14 里最让人头大的，莫过于哪里服务端、哪里客户端。这次的做法很朴素：评论列表能纯读就留在 SSR，首屏 HTML 直出；输入框、订阅、乐观更新再打上 use client。用户点开文章，列表先秒现，不必为一坨列表交互下载整包 JS——核心 Web 指标里，LCP 这类东西，是真的会好看一截。

2. Realtime 与乐观更新：别让用户干等

实时评论可以走 Supabase Realtime（底层逻辑复制那一套）。前端侧，AI 帮我把 SWR 乐观更新和 WebSocket 事件揉进同一个 useComments：点发送，列表先“假装成功”；等真实事件回推，再做对齐。本地抢先、远端纠偏——体感快和最终一致可以兼得。

3. 消灭类型断层：从 SQL 到 Props 一条链

最烦的是：库表改了，后端 DTO 忘了，前端拿到 undefined 直接白屏。做法是：迁移 SQL 定稿 → `supabase gen types` → 类型一路捅到组件 props。写 admin-auth.ts 这类后台接口时，类型收窄能在编译期挡掉一批越权写法——想靠瞎改参数混过去？先过编译器这关。

1. 防御性编程：它没有“应该不会有人乱传吧”这种侥幸

生成 comment-validation.ts 时，它会顺手带上长度上限、邮箱形态、以及 XSS 清洗——那种“赶进度先略过”的坑，它反而偏不略。安全与边界检查，最适合交给不知疲倦的副驾驶。

2. 测试金字塔：从 Vitest 到 Playwright

单测、组件测、端到端浏览器测，AI 可以按金字塔往上码。写 CommentSection.test.tsx 时，它记得给 `window.matchMedia`、`ResizeObserver` 做 mock——老前端都知道，这俩曾经在 StackOverflow 上收割过多少夜晚。

3. 性能：别一上来就虚拟列表

无限滚动越来越卡？未必先上重型虚拟列表。`React.memo` 包住 Markdown 重渲染、`useMemo` 做评论树，再配合 Intersection Observer 做分页触发，往往性价比更高——比死盯 scroll 事件，主线程轻松一截，滑动会从“拖泥带水”变成“德芙广告”。

AI 再强，也替代不了这几件事：

1. 索引与预算：联合查询它一秒能写，但存储与读写成本是你们公司的账，B-Tree 建在哪、哪张表不值得索引，得架构师拍板。
2. RLS 背后的产品规则：“普通用户能不能删昨天别人的评论？”“哪些操作必须管理员？”——这是文档与法务友好度问题，不是语法问题。
3. 带人味的体验：默认错误是冷冰冰的 500 Internal Server Error；我会改成：“哎呀，网络开小差了，稍后再试一下～”——共情与语气，仍是本地化智慧。

跑完这一趟，我眼里的软件工程更像一句话：AI 搭骨架，人灌领域智慧。 伟大之处不在于“写得有多快”，而在于认知负荷搬家——少纠结参数顺序和正则，多留给架构、体验与业务创新。

我们从“代码纺织工”，慢慢变成指挥模型干脏活的技术负责人。去试试吧：把琐碎交给 AI，把创造的乐趣留给自己。