AI 辅助开发
与ai相关的一些面试准备内容，主要是如何在前端开发中使用AI工具辅助开发
核心原则：AI 是工具，人是把关者
Review 代码
逐行审查 AI 生成的代码逻辑
检查是否有安全漏洞（如 SQL 注入、XSS）
验证边界条件是否处理
单元测试
为 AI 生成的功能编写单元测试
使用 Jest、Vitest 等测试框架
确保核心逻辑有测试覆盖
代码规范检查
ESLint + Prettier 统一代码风格
TypeScript 类型检查（
tsc --noEmit）引入 husky + lint-staged 在提交时自动检查
除了 Review，前期可以做什么来保证 AI 代码质量？
前置措施
Prompt 工程优化
明确需求描述，提供上下文
指定技术栈、代码风格
给出示例或参考代码
引入规范（Coding Standards）
ESLint：代码质量规则
Prettier：代码格式化
TypeScript：类型安全
Git Hooks：提交前自动检查
项目模板 / 脚手架
预设项目结构和配置
AI 在模板基础上生成，减少偏差
AI 辅助的类型系统
使用 TypeScript 让 AI 生成的代码有类型约束
减少运行时错误
分层 review + CI/CD
PR review 作为强制环节
CI 流水线自动运行 lint + test + type-check
Skill 的使用
在前端工程化和 AI 辅助开发中，"Skill" 可以指：
编程中的 Skill
技能树：前端开发者的技术能力矩阵
技术能力：如掌握某种框架、工具或方法论
AI 工具中的 Skill
在 AI 编程工具中，Skill 是预定义的指令集或能力模块：
可以通过自然语言调用特定功能
类似于插件机制，扩展 AI 的能力
实践建议
把常用操作封装为可复用的 Skill
团队共享 Skill 库，统一开发效率
OpenSpec / Speckey 规范
初始化项目，基本主流的编程工具都会支持
openspec文件夹用于存储开发过程中产生的相关规格文档
一般四个就够用了
举例使用：
帮助思考：
多轮回答后，开始创建文档
功能点会被细化：
当什么则什么，很结构化
追踪任务进行
个性化定制，也可以对每个文件写限制要求
apply进行开发
任务完成开始归档