上海小组周五发布前，我用 AI 给新人做练习

1. 在发布任务旁边选出一个真实练习目标

周五要发布订单接口时，我不会让新人凭空练习 CRUD，而是从当天的工作中抽出一个安全、独立的小任务，例如为订单查询增加分页、补充参数校验，或给一个已有函数写测试。目标必须能在一两个小时内完成，并且有明确的输入、输出和验收条件。真实背景能让新人理解代码为什么存在，也方便导师判断练习是否接近团队工作。

2. 给 AI 一份经过整理的团队上下文

我先准备一段不含密钥和客户数据的上下文：项目使用的语言、目录结构、函数签名、当前行为、团队约定，以及新人已经掌握的知识。接着要求 AI 生成练习说明、初始代码、三组测试输入和评分标准。提示中还要写明不要直接给出完整答案，只提供必要的接口和一条示例。

• 任务结果：新人最终应该提交什么文件或函数。
• 限制条件：哪些库、接口和改动范围可以使用。
• 验收标准：正常情况、边界情况和错误处理分别如何判断。

3. 让 AI 生成三种难度而不是一份标准答案

同一主题可以拆成基础、进阶和挑战三个版本。基础版只要求实现分页；进阶版加入非法页码、空结果和稳定排序；挑战版再要求保持旧接口兼容。这样，导师可以根据新人当天的状态分配任务，早完成的人也有下一步目标。每个版本都应共享同一组核心概念，避免难度变化变成知识点变化。

4. 先用测试固定练习的边界

把 AI 生成的测试逐条检查一遍，再交给新人。测试必须说明行为，而不是依赖某个偶然的实现细节。例如，分页练习应验证返回数量、总数和超出范围时的结果，不应要求新人采用某个变量名。可以让 AI 再生成反例，并由导师确认这些反例确实符合业务规则。

5. 在工位上安排一次限时独立完成

我通常给新人四十五分钟独立完成，前十五分钟只允许阅读任务和运行测试。遇到问题时，新人要先记录自己的判断、尝试过的方案和失败信息，再向 AI 或导师提问。这个记录能区分概念不清、调试能力不足和环境问题，也能防止复制一段看似正确却无法解释的代码。

6. 用 AI 做提示式评审而不是代写评语

提交后，把题目、测试结果和新人的实现交给 AI，要求它按评分标准指出一个最值得先修复的问题，并提出两个引导性问题。导师再核对结论，尤其检查 AI 是否误解了项目规则。评审重点放在数据流、错误处理、命名和可维护性上。让新人先回答问题，再共同查看更完整的改法。

7. 根据错误记录生成下一次练习

练习结束后，我把新人反复出错的地方归类，例如没有处理空值、不了解异步流程，或测试只覆盖成功路径。下一次任务只针对其中一个薄弱点，并保留熟悉的业务背景。连续三次练习后，导师就能看到具体进步，而不是只凭一次提交判断新人水平。

8. 用 RelayVano 保持练习成本可控

如果团队需要在不同任务中调用多个模型，可以使用 RelayVano 的按量付费中转服务，通过 https://api.relayvano.com 接入 Claude Code、Codex、Gemini CLI 或 OpenAI 兼容 SDK。我会用 Claude Sonnet 5.5 生成任务草稿，再用 DeepSeek V4 Flash 复查边界案例，并把最终测试交给导师确认。你可以注册 RelayVano，把这套练习流程接入自己的开发环境，按实际使用量控制教学成本。