## 背景AI 生成代码最大的问题不是写不出来现在 AI 生成代码的工具很多但我用下来发现一个共性痛点它们只负责生成不负责结果。代码贴给你之后呢语法错了谁管单测谁写跑不起来怎么办环境谁配所以我做了一个 AI 代码编辑器AimCode核心思路只有一句话交付能跑的结果而不是交付代码。这篇文章聊聊支撑这句话的核心机制——四层质量闸门以及一个人开发时踩过的坑。整体流程用户输入一句话需求比如做一个学生成绩管理系统后端流程是这样的用户需求 → LLM 规划架构 拆分文件 → 多文件代码生成 → 闸门1语法检查 → 闸门2单元测试生成与执行 → 闸门3失败自动修复错误信息回喂 LLM → 闸门4运行验证编译/启动/探活 → 通过才交付弹 diff 预览给用户确认写入 内测期统计下来这套闸门放行的项目一次编译通过率 98%——注意这不是生成得准而是没跑通的压根不会到用户手上。 闸门设计的关键决策 1. 语法检查放最前面成本最低拦截最早 生成完先做静态语法校验按语言选编译器/解释器 --check 模式这一层拦截了大部分低级错误避免后面更贵的单测和运行环节浪费轮次。 2. 单测由 AI 自己写但执行环境要隔离 AI 给自己写的代码生成单测然后跑在临时目录里。一定要隔离——我早期吃过亏生成的代码里有个死循环直接把我主进程卡死了。 3. 自动修复有轮次上限防止死循环 修复的本质是把失败输出报错栈/测试失败信息回喂给模型重新生成。这里最容易出事的是修复死循环模型反复给出同样错误的代码。 我的方案是轮次上限 每轮失败信息截断拼接超过上限直接标记该文件需人工介入宁可诚实地失败也不要无限烧 token。 4. 运行验证是唯一诚实的标准 前三层都过了最后还是要真的把它跑起来编译/启动 → 探活接口 → 确认进程活着。这一层没法偷懒也是用户感知最强的一层——它真的能跑和它应该能跑之间差着十万八千里。 一个人开发踩过的坑 LLM 幻觉模型会自信地调用不存在的 API闸门是唯一的防线 Windows 打包Electron 类桌面应用 Node 后端 MySQL安装包签名和路径兼容占了我不小的精力 成本控制每次修复轮次都是真金白银的 token轮次上限设计既是质量兜底也是成本兜底 写在最后 这个编辑器叫 AimCode已上架微软商店https://apps.microsoft.com/detail/9NQ2LBX0CFMX 官网也可以直接下载 Windows 版twinclawai.com 正在开放内测免费名额注册送体验积分欢迎各位来踩——特别是让它生成你们熟悉领域的项目看看闸门放出来的代码到底几斤几两。骂声和 PR 一样珍贵。 PR 一样珍贵。
