引言
作为一名在后端开发领域摸爬滚打多年的工程师，我始终坚信清晰的职责划分和高效的协作是项目成功的基石。当 AI 编程工具逐渐成熟，我发现它不仅能提升效率，更能重塑我们对项目管理和开发流程的认知。本文将分享我在 AI 辅助编程实践中，如何结合 Monorepo、设计先行以及迭代审核的理念，构建一套更高效、更智能的开发工作流。
一、拥抱 Monorepo：AI 的全局视角
我一直偏爱前后端分离的项目结构，前端专注于用户界面与数据呈现，后端则深耕复杂的业务逻辑，各司其职，互不干扰。因此，即使是为个人项目编码，我也沿用了这种模式，后端选用 Golang 的简洁高效，前端则钟情于 React 生态的灵活强大。
在 AI 编程工具（如 Cursor）初现时，受限于当时的上下文长度，我通常还是对前后端项目进行独立的 Vibe Coding。然而，随着 Claude Code、Codex 等工具的迭代，它们的全局上下文理解能力显著增强，这使得 Monorepo 这种代码仓库管理策略变得前所未有的高效。
将前后端项目统一置于一个 Monorepo 之下，AI 能够获得完整的项目视图。当需要增加新功能时，AI 不仅能一次性规划好前后端的修改点，更能精准地对齐接口定义，大幅减少了跨仓库协调和手动同步的工作量。这极大地提升了开发效率和接口一致性。
当然，采用 Monorepo 也意味着需要额外投入精力去处理其 CI/CD 能力，但这与 AI 带来的效率提升相比，是值得的权衡。
二、设计先行：与 AI 共创蓝图
在过去 “古法编程” 的岁月里，多年的工作经验让我养成了先规划功能业务流程和改动点，再进行代码实现的习惯。这一 “设计先行” 的理念，在今天 AI Coding 盛行之时，更应被奉为圭臬。
现在，AI 不再仅仅是代码生成器，更是我的 “思考伙伴” 和 “架构师助理”。我会让 AI 根据新功能需求，主动规划业务流程、数据模型和潜在的改动点。通过反复与 AI 沟通、修改，我能更清晰地梳理功能边界，确保设计阶段的严谨性。
为了更好地利用 AI 的这一能力，我在 Monorepo 下新建了一个 docs 文件夹，让 AI 协助我写入各种文档。这不仅方便我快速了解项目情况，更重要的是，这些文档成为了 AI 理解项目上下文的 **“活知识库”**。在后续的迭代和改动中，我可以直接引用这些文档，让 AI 更详细、更准确地理解当前项目状况和设计意图。
我会在 docs 文件夹下进一步细分，建立不同的子文件夹来分门别类：
plan：用于存放与 AI 沟通的功能模块规划、需求分析和初步设计。feature：用于存放已经实现的功能模块的详细说明文档，包括接口定义、数据结构、核心逻辑等。architecture：存放整体架构设计、技术选型决策等。
三、迭代与审核：AI 驱动的质量保障
无论是让 AI 来规划新功能的业务流程，还是去执行功能实现，我都会让 AI 再次重复去审核这些改动点。这不仅仅是简单的代码检查，更是一种深度迭代和质量保障的机制。
我会要求 AI：
- 审查代码逻辑： 检查是否有潜在的 bug、边界条件是否考虑周全。
- 评估设计一致性： 对比代码实现与
docs/plan中的设计文档，确保一致性。 - 提出优化建议： 针对代码的可读性、性能、安全性等方面，让 AI 给出改进意见。
通过这种 “重复再重复” 的迭代审核，AI 能够帮助我发现潜在的遗留问题、不一致之处，甚至提出我可能忽略的优化点，从而确保最终交付的代码质量更高、更健壮。
结语
AI 编程工具的兴起，并非要取代开发者，而是为我们提供了一个强大的 “副驾驶”。通过将 Monorepo 的全局视野、设计先行的严谨思考，以及 AI 驱动的迭代审核相结合，我得以构建一套更加高效、智能且高质量的开发工作流。这不仅极大地提升了个人开发效率，也让我能将更多精力投入到核心业务逻辑的思考和创新上。