很多人用 Copilot 的方式是：给个注释，敲个回车，然后祈祷大模型生成的代码能跑通。
但大模型本质上是概率模型，直接让它上手写业务代码，随机性太大，翻车是迟早的事。

在我的日常开发中，我根本不会让大模型直接上手写核心代码。我把它当成一个需要我来主导的“结对编程助手”。以下是我在实际项目中总结出的一套 Copilot 实用工作流。

---

一、 快速接手与梳理：让 AI 当“代码导游”

面对庞大的项目或陌生的源码，自己一行行啃效率太低。我会先让 AI 帮我建立全局观。

1. 解析代码与关键参数

我会让 Copilot 阅读文件，让它帮我提炼核心逻辑。
** 我的 Prompt 示例：**

- 帮我阅读 `concurrent_object_pool.h` 这个文件
- 解析这个无锁对象池的核心作用和底层数据结构
- 列出初始化和调用 `GetObject` 时，必须传入的关键参数及其含义
- 总结使用该类时需要注意的前置条件

2. 画 Mermaid 图理清数据流

文字说明有时候不够直观，我会让 AI 直接画图。
** 我的 Prompt 示例：**

- 根据当前代码逻辑，画一个 Mermaid 流程图
- 直观展示出一个 Message 数据从接收、进入对象池、被多线程消费，到最终触发自定义删除器归还的完整流动方向

---

二、 需求分析与设计：先动口，后动手

接到 MT（Leader）给出的需求后，我绝不会马上写代码，而是先和 AI “吵”一架，把方案盘清楚。

3. 讨论方案与收敛需求

我会给出背景，让 AI 提供选项，然后我来做决策和细化。
我的 Prompt 示例：

- MT 给了一个需求：要在现有的无锁对象池中加入“对象存活时间监控”功能
- 请给出 3 种实现方案（例如：后台线程轮询、获取时惰性检查等）
- 详细对比这几种方案在 CPU 占用、锁竞争开销上的优缺点
- （后续追问）：我觉得方案二不错，但如果并发极高，怎么优化这里的伪共享问题？

4. 写伪代码验证思路

方案定下后，先写伪代码验证逻辑链路。
我的 Prompt 示例：

- 就按我们刚才讨论的“获取时惰性检查”方案
- 先不要写具体的 C++ 代码，用伪代码把核心逻辑写出来
- 重点展示时间戳比对和过期对象销毁的流程，我需要验证一下整体思路对不对

---

三、 核心编码：我的“防翻车”控制流

这是最关键的一步。我提供具体方案 -> 探讨实现细节 -> 查漏补缺 -> 最终才让 Copilot 生成代码。

5. 探讨细节与查漏补缺（核心！）

我会先用自然语言把我的逻辑描述一遍，让 AI 帮我找漏洞。
我的 Prompt 示例：

- 我现在要实现 `GetObject` 的无锁弹栈逻辑，我的思路如下：
  1. 先 load 当前的 `free_head_`
  2. 检查 node 是否为空
  3. 组装 new_head，把 count + 1 解决 ABA 问题
  4. 用 `compare_exchange_weak` 做 CAS 循环
- 请围绕我的这个方案，在实现细节上帮我查漏补缺
- 看看多线程并发下有没有我没考虑到的边界情况？
- 确认逻辑严密后，再严格按照我的思路生成 C++ 代码

6. 补充防御性代码

AI 生成主体逻辑后，我会让它把脏活累活补齐。
我的 Prompt 示例：

- 检查上面生成的代码，帮我补充以下容易遗漏的部分：
  - 关键路径上的 glog 日志打印（INFO/ERROR）
  - 异常情况的错误返回和状态码
  - 边界判断和指针的空值判断

7. 对齐团队码风

团队协作最怕代码风格割裂，我会让 AI 帮我统一格式。
我的 Prompt 示例：

- 统一一下这段代码的码风
- 我之前写的是直接声明变量并赋值的方式，请帮我全部改成使用 glog/protobuf 规范的 `.Set()` 或 `.add_()` 链式调用形式

---

四、 测试与排错：利用好 AI 的其他价值

代码写完，测试和 Review 同样可以交给 AI。

8. 编写自动化测试脚本

我的 Prompt 示例：

- 帮我为 `concurrent_object_pool.h` 写一个简单的 gtest 单元测试脚本
- 实现自动化测试，需要包含多线程并发 Get 和 Release 的用例
- 帮我构造几组极端的边界测试数据

9. 猜测潜在 BUG

在跑测试之前，我会让 AI 充当“刺客”来找茬。
我的 Prompt 示例：

- 仔细观察这段 CAS 循环代码
- 结合 C++ 内存模型（memory_order），猜测在弱内存序架构下，这里最可能出现数据竞争或 BUG 的地方在哪里？

10. 提交前的最终 Review

我的 Prompt 示例：

- 测试完效果没问题了，准备 commit
- 请以资深 C++ 开发的视角，最后 review 一遍这段代码
- 看看有没有隐藏的性能隐患或不优雅的地方

---

五、 杂活全包：文档、清理与配置

最后，把那些不想写但又不得不写的东西丢给 Copilot。

11. 清理代码冗余

我的 Prompt 示例：

- 检查当前文件是否有冗余代码
- 帮我去掉未使用的局部变量、多余的头文件包含，以及过时的注释

12. 快速生成文档与注释

我的 Prompt 示例：

- 帮我给这个类快速写一份接口说明文档
- 为所有 public 函数生成 Doxygen 格式的注释

13. 编写脚本与配置文件

写 Bazel 或 CyberRT 的配置往往需要查文档，AI 能直接搞定。
我的 Prompt 示例：

- 帮我写一个 Bazel 的 `BUILD` 文件，把这个对象池编译成 `cc_library`，并链接 glog
- 帮我写一个 CyberRT 的 `.dag` 配置文件，把刚才写的 Component 挂载进去，并配置好 Channel 订阅关系

---

总结

大模型不是全知全能的自动编程机，它的上限取决于你如何引导它。
把控好架构设计，理清逻辑细节，让 AI 去做填空题和检查题，这才是当下最高效、最安全的 Copilot 打开方式。