在「编程与开发」类工具里，Augment Code 的定位是：面向大型代码库的 AI 编程助手。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
正确性代码能否通过测试并满足需求明显不合格无需修改即可使用
改动范围是否只改了必要的地方明显不合格无需修改即可使用
可读性命名、结构是否符合项目风格明显不合格无需修改即可使用
安全性是否引入注入、越权或密钥泄露风险明显不合格无需修改即可使用
可维护性是否附带测试与必要说明明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

代码审查

输入：一个 Pull Request 的改动。

审查这个改动，按「必须修改 / 建议修改 / 可以忽略」三级列出问题，每条附上文件和行号，重点关注安全、并发和错误处理。

检查点：问题定位到行。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Augment Code 的结果与人工完成或 Sourcegraph 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

更多可以试的用法

小功能开发

准备材料：一个清晰的需求描述。

实现以下需求：【需求】。要求：先给出实现计划和要改动的文件列表，等我确认后再写代码；遵循现有代码风格；补充必要的测试。

检查点：先有计划再动手。

修复报错

准备材料：一段报错堆栈和相关代码。

这是报错信息和相关代码。请先解释报错原因，给出最小修改方案，并说明为什么这个修改不会影响其他调用方。

交付前确认：修改范围足够小。

补单元测试

准备材料：一个缺少测试的函数或模块。

为【函数名】编写单元测试，覆盖正常输入、边界值和异常输入，使用项目现有的测试框架，不要修改被测代码。先列测试用例再写代码。

验收标准：测试能在本地通过。

常见问题：测试全绿但功能不对

人工补充关键用例，检查测试是否真正断言了结果。

常见问题：越改越乱

回滚到上一个可用提交，把需求拆小后重新开始。

常见问题：AI 改动范围过大

要求先给计划和文件清单，限定只改指定文件。

概念补充：规则文件

放在仓库里的说明文件，告诉 AI 项目约定和禁止事项。

概念补充：补全（Completion）

在光标处预测下一段代码，速度快但上下文有限。

适合人群：游戏开发者

游戏开发者可以用 Augment 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。

适合人群：研究生

研究生可以用 Augment 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。

写在最后

文中提示词和示例仅作示意，实际效果取决于你的材料和 Augment 当前版本，重要内容请人工核对后再使用。

涉及个人信息、商业机密或受监管数据时，先确认 Augment Code 的数据处理条款，再决定能否使用。

延伸阅读