4.5.1 提升代码生成准确率的核心要点
- 把需求说具体：避免笼统地要求"写一个登录功能"。明确输入输出、边界条件、技术栈版本和异常处理方式，例如："用 Spring Boot 3 写一个 JWT 登录接口，接收 JSON 格式的手机号和密码，返回 Token，要求校验手机号格式并限制错误次数"。描述越精确，生成结果越可用。
- 主动绑定上下文：善用
@文件或@目录引用（详见 3.4 节），让 AI 基于你项目现有的实体类、工具方法和命名规范来生成代码，而不是给出一份与当前工程风格割裂的"通用答案"。
- 复杂任务分步拆解：不要一次性要求生成完整模块。先让 AI 输出接口定义，确认字段和参数合理后，再要求实现 Service 层，最后处理 Controller。分步确认能大幅降低返工概率。
- 及时纠偏与多轮打磨：如果 AI 给出的方向偏离预期，立即在下一轮对话中指明，例如"这里不要用 if-else，改用策略模式"或"去掉第三方依赖，用标准库实现"。多轮迭代往往比一次性写超长提示词更有效。
4.5.2 代码数据安全注意事项
- 生产敏感信息不上传：切勿在对话、注释或代码片段中粘贴生产环境的密码、密钥、Token、数据库连接串、内网 IP 等。除非你确认使用的是完全私有化部署且数据不出域的版本，否则这些内容在 AI 处理过程中存在泄露风险。
- 区分部署形态：SaaS 公有云版本虽便利，但建议避免将核心算法、未开源的敏感业务逻辑直接发送分析；企业私有化部署版本数据留在本地服务器，安全性更高，但仍需遵守公司内部的数据分级和合规要求。
- 留意自动补全的"联想"：在
.env、配置文件或包含敏感信息的代码附近编辑时，行内补全可能会根据上下文"猜出"并提示敏感字段，提交代码前务必检查补全内容，防止意外泄露。
4.5.3 常见使用误区规避
- 不要盲信生成结果：AI 生成的代码语法通常正确，但业务逻辑可能存在边界漏洞。涉及金额计算、权限校验、并发处理等关键逻辑时，必须人工 Review 并补充单元测试，切勿直接复制到生产环境。
- 别把 AI 当搜索引擎：CodeBuddy 擅长基于当前上下文的代码生成与推理，但对于"某框架最新版本特性""某 CVE 漏洞详情"等强时效性问题，直接查阅官方文档或 Release Note 比询问 AI 更准确。
- 避免单次投喂过大代码：虽然支持长上下文，但一次性扔给 AI 上万行代码让其"找出所有 Bug"效果往往很差。建议先用 AI 梳理项目结构，再针对具体模块或函数进行定向分析与优化。
- 注意快捷键冲突：安装 VS Code 插件后，若发现
Tab键行为异常（例如只想缩进却被强制补全），可能是与其他代码片段插件或 AI 助手冲突。可在 设置 > 键盘快捷键 中调整 CodeBuddy 的采纳按键，或临时关闭自动补全。
- 警惕"补全幻觉"：AI 有时会生成看起来合理但实际不存在的 API 或方法名（例如把 JavaScript 的
array.push()补成array.add()）。在使用不熟悉的三方库时，建议快速查阅官方文档确认 API 名称，避免因幻觉引入隐蔽 Bug。