企业官网建设流程全解析

使用 ChatGPT、Codex、Cursor 等 AI 编程工具时，修改一个函数通常比较顺利，但任务一旦涉及多个文件，错误就会明显增加。

常见情况包括：

• 修改了后端接口，却忘记同步前端参数；
• 调整了数据结构，但部分调用位置仍使用旧字段；
• 新功能可以运行，原有功能却出现异常；
• 同一个方法在不同文件中被重复实现；
• AI改完代码后，项目能启动，但业务逻辑已经前后不一致。

问题并不一定是AI不会写代码，而是多文件修改本身就涉及更复杂的上下文、依赖关系和协作逻辑。

一、AI看到的上下文并不等于完整项目

很多人认为，把项目文件交给AI后，AI就能像开发者一样理解整个系统。

实际上，AI通常只能基于当前能够读取到的文件、对话内容和代码片段进行判断。项目文件一多，就容易出现上下文缺失。

例如一个用户登录功能，可能同时涉及：

• 登录页面；
• 请求封装文件；
• 后端控制器；
• 用户服务；
• 数据库模型；
• 权限中间件；
• 路由配置；
• 环境变量。

如果AI只看到了登录页面和后端接口，就可能忽略权限中间件仍然使用旧的身份字段。

最终结果是：登录接口返回成功，但进入其他页面后仍然提示没有权限。

因此，多文件任务的难点不只是“需要修改几个文件”，而是AI能否发现这些文件之间的真实关系。

二、文件之间存在隐性的依赖关系

代码依赖并不只体现在导入语句中。

除了明显的函数调用，项目中还存在大量隐性依赖，例如：

• 前后端约定的字段名称；
• 数据库表结构；
• 配置文件中的变量名称；
• 缓存中的数据格式；
• 消息队列中的消息结构；
• 日志和监控规则；
• 测试用例中的固定数据；
• 第三方接口返回格式。

假设原来的用户对象使用：

userName

AI将它统一修改成：

username

表面上只是修改了一个字段名称，但实际上可能影响数据库映射、接口返回、前端展示、登录校验和自动化测试。

只要有一个位置没有同步更新，系统就可能在特定场景下报错。

这也是为什么多文件修改完成后，不能只检查AI明确修改过的文件，还要继续排查所有关联位置。

三、AI容易局部正确，但整体不一致

AI生成代码时，往往会优先解决当前文件中的问题。

例如，某个页面需要增加“用户状态”字段，AI可能会完成以下修改：

1. 在页面中增加状态显示；
2. 在接口返回中增加状态字段；
3. 在数据库模型中增加对应属性。

单独看每个文件，代码可能都没有明显问题。

但放到整个项目中，仍然可能出现：

• 创建用户时没有写入默认状态；
• 更新接口不允许修改状态；
• 查询接口没有包含该字段；
• 管理员和普通用户使用了不同的状态值；
• 前端使用数字，后端使用字符串。

这类错误最麻烦的地方在于，它们通常不会立即导致项目启动失败，而是在某个业务流程中才暴露出来。

所以“代码能运行”并不等于“修改已经正确”。

四、修改顺序错误会产生连锁问题

多个文件通常存在修改顺序。

比较合理的顺序可能是：

1. 明确数据结构；
2. 修改公共类型；
3. 修改底层服务；
4. 修改接口；
5. 修改调用方；
6. 修改页面；
7. 更新测试。

但AI有时会先修改调用方，再回头调整底层结构。

在修改过程中，前后文件可能基于不同版本的设计生成代码。

例如：

• 第一个文件假设接口返回对象；
• 第二个文件改成返回数组；
• 第三个文件仍按照对象读取数据。

如果任务执行时间较长，AI还可能在后续修改中“忘记”前面已经确定的约定，从而产生前后冲突。

五、旧代码没有删除，容易形成重复逻辑

AI修改功能时，通常更擅长增加代码，不一定会主动清理旧逻辑。

因此项目中可能同时存在：

• 新旧两个接口；
• 两套参数校验；
• 两个名称相近的工具函数；
• 重复的数据转换逻辑；
• 已经失效但仍被调用的旧方法。

这种情况短期内可能没有报错，但后续维护时很容易调用错版本。

例如，AI新增了一个getUserInfoV2方法，却没有替换所有旧的getUserInfo调用。

结果就是部分页面使用新数据结构，部分页面仍使用旧数据结构，项目行为逐渐变得难以预测。

六、多人开发时还会遇到代码冲突

在真实项目中，AI修改代码的同时，其他开发者可能也在修改相同文件。

常见情况是：

• AI基于旧分支生成代码；
• 其他人已经修改了公共组件；
• 合并代码时只解决了文本冲突；
• 实际业务逻辑发生覆盖。

Git提示的冲突只是文本层面的冲突。

即使代码能够正常合并，也可能存在逻辑冲突。

例如，一个开发者修改了订单状态判断，AI同时修改了订单状态枚举。两部分代码虽然没有产生Git冲突，但状态值已经不再对应。

所以使用AI批量修改文件时，仍然需要开发者了解当前分支、最近提交和其他人的修改范围。

七、一次修改范围太大，错误率会明显上升

很多人在使用AI编程工具时，会直接输入类似指令：

帮我重构整个用户模块，同时修改前端、后端、数据库和权限系统。

这种任务看起来省事，实际上风险很高。

因为任务范围越大，需要同时维持的一致性规则越多。只要其中一个环节理解错误，后续修改都会建立在错误基础上。

更稳定的方式是把任务拆开：

• 先整理当前调用关系；
• 再确定新的数据结构；
• 先修改后端；
• 再修改前端；
• 最后补充测试和清理旧代码。

每完成一个阶段就运行一次测试，比一次修改十几个文件后再统一检查更可靠。

八、AI修改多个文件后应该检查什么

1. 检查修改文件清单

先确认AI到底修改了哪些文件，有没有改动任务范围之外的代码。

重点关注：

• 公共组件；
• 配置文件；
• 数据库模型；
• 权限模块；
• 请求封装；
• 公共类型定义。

2. 搜索旧字段和旧方法

使用全局搜索检查旧名称是否仍然存在。

例如修改了接口字段，就要搜索：

• 旧字段名；
• 新字段名；
• 相关类型；
• 序列化和反序列化代码；
• 测试数据。

3. 检查接口两端是否一致

前端发送的参数、后端接收的参数、接口返回格式和前端读取方式必须保持一致。

不要只看接口是否返回成功，还要检查异常状态、空数据和权限不足等情况。

4. 检查公共类型

TypeScript类型、Java实体类、Python数据模型等公共定义，通常会影响多个模块。

公共类型发生变化后，需要重点检查所有引用位置。

5. 运行原有测试

AI增加的新功能可以正常运行，不代表旧功能没有受到影响。

除了测试新增功能，还要运行原有单元测试和关键业务流程。

6. 查看Git差异

不要只阅读AI最终输出的说明，应直接查看代码差异。

重点观察：

• 是否删除了必要逻辑；
• 是否加入重复代码；
• 是否修改无关文件；
• 是否把配置写死；
• 是否改变异常处理方式。

九、怎样向AI描述多文件任务更可靠

与其直接要求AI“完成整个功能”，不如先让它分析。

可以按照下面的顺序提问：

第一步：

先分析这个功能涉及哪些文件和依赖关系，不要修改代码。

第二步：

列出准备修改的文件、每个文件的修改目的，以及可能受影响的旧功能。

第三步：

先修改数据模型和公共类型，完成后暂停。

第四步：

根据已经确定的数据结构修改后端接口，不要改变其他接口。

第五步：

最后修改前端调用，并检查是否仍有旧字段和旧方法。

这种方式虽然多了几个步骤，但可以明显降低AI理解偏差后连续修改多个文件的风险。

十、总结

AI修改多个文件容易出错，主要不是因为它不会生成代码，而是多文件任务同时包含了：

• 不完整的项目上下文；
• 显性和隐性的依赖关系；
• 数据结构的一致性；
• 修改顺序；
• 旧逻辑清理；
• 多人协作冲突；
• 回归测试。

在实际开发中，AI更适合执行边界清楚、可以逐步验证的任务。

对于涉及前端、后端、数据库和权限系统的改动，最稳妥的方法仍然是：先分析依赖，再拆分任务，每完成一步就进行检查和测试。

AI可以加快修改速度，但项目整体是否一致，最终仍然需要开发者判断。