4.3.1 新项目从零快速搭建技巧
面对空白文件夹时，与其逐个手写配置文件和目录结构，不如利用 AI 快速建立骨架：
- 先定骨架再填肉：在对话中描述技术栈（如"Spring Boot 3 + MySQL + Redis"）和核心领域模型，要求生成标准的项目目录结构、配置文件模板（
pom.xml、application.yml等）以及基础的包划分。这比从零查文档复制配置要快得多。 - 绑定根目录上下文：使用
@目录:项目根路径让 AI 基于已生成的真实文件继续工作，确保后续生成的代码路径与包名真实可用，而非虚构。 - 先生成通用层：优先让 AI 生成统一响应体、全局异常处理、日志切面、数据库连接配置等基础设施。通用层稳定后，再基于这些约束生成业务模块，接口风格会更一致。
- 测试先行骨架：在业务代码编写前，要求 AI 根据接口定义先生成单元测试文件。这不仅能验证 AI 是否正确理解了需求，也能倒逼接口设计更合理。
提示：不要试图在一条提示词里生成整个项目。先让 AI 输出目录结构和关键配置，确认无误后再分模块（如用户模块、订单模块）逐一生成。
4.3.2 陌生项目快速上手方法
接手历史项目或无文档的代码库时，通过以下步骤可在半小时内建立全局认知：
- 快速梳理结构：在项目根目录使用
@目录绑定后，直接询问"总结这个项目的主要模块、职责划分以及核心数据流向"。AI 会基于文件树和关键入口文件给出宏观视图。 - 精读入口与核心类：找到
main()、App.tsx、urls.py等入口文件，或负责路由、调度、核心业务的类，选中后要求"逐行解释代码逻辑"（3.3.1）。这比自行漫无目的地阅读效率更高。 - 追问关键链路：基于解释结果进行多轮追问，例如"用户登录后的 Token 存在哪里"、"订单状态机在哪个文件里定义"。AI 会结合上下文给出精准定位。
- 关联配置文件理解运行方式：使用
@文件引用Dockerfile、nginx.conf、.env等文件，询问部署方式和环境依赖，快速补齐运行知识。
提示：如果项目极大，不要一次性要求解释全部。先锁定一个具体功能（如"登录流程"或"下单流程"），让 AI 按这个维度串联相关文件。
4.3.3 存量代码批量改造方案
对老旧代码进行技术债清理或架构升级时，建议分阶段推进，避免一次性大规模改动导致回归风险：
- 先扫描后改造：使用全库代码问题统一排查（3.5.3）让 AI 先过一遍代码库，列出潜在的空指针、资源未释放、SQL 注入风险、重复代码块等问题，形成改造清单。
- 分模块绑定改造：不要直接要求"重构整个项目"。使用
@目录按模块分批处理（如先改dao层，再改service层），每批明确约束条件，例如"保持原有接口签名不变"、"兼容旧版返回格式"。 - 单文件验证风格：挑选该模块内最具代表性的 1–2 个文件，先要求 AI 进行重构优化（3.3.3），人工 Review 确认代码风格、命名规范、异常处理符合预期后，再将这套规则作为
@规则或提示词模板应用到同目录的其他文件。 - 补全缺失文档：改造完成后，批量使用标准化注释生成功能（3.3.4）补充模块说明和复杂函数注释，降低后续维护者的理解成本。
重要提醒：批量改造前务必确保代码已提交 Git。AI 在跨文件修改时可能无法感知隐式依赖（如反射调用、配置文件里的类全限定名），每批改动后必须运行现有测试用例并人工 diff 检查，确认无误再提交。