面向大型代码库的 AI 编程助手——这是 Augment Code 最主要的用途，也是本文讨论的前提。

下面列出 10 个具体场景，每个都注明适合与不适合的情况。

10 个场景

  1. 读懂陌生代码库：适合先小范围试用。
  2. 补单元测试：需要人工复核。
  3. 修复报错：适合先小范围试用。
  4. 小功能开发：效果依赖输入材料质量。
  5. 代码审查：适合先小范围试用。
  6. 写技术文档：需要人工复核。
  7. 软件工程师：代码阅读与重构：效果依赖输入材料质量。
  8. 数据分析师：取数与 SQL：可以做成固定模板。
  9. 游戏开发者：原型与素材：适合先小范围试用。
  10. 研究生：文献阅读：适合先小范围试用。

挑两个场景细看

代码审查

适用情况：手头有一个 Pull Request 的改动时。

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。

验收标准：问题定位到行。

写技术文档

适用情况：手头有一个模块的源码时。

根据源码为这个模块写 README：用途、安装、最小示例、配置项表格和常见问题。示例代码必须能直接运行。

验收标准：示例代码可运行。

不适合的场景

  • 需要专业资质最终签字的判断。
  • 无法核实来源却要公开发布的内容。
  • 涉及他人隐私且未获授权的材料。

延伸练习

修复报错

适用情况：手头有一段报错堆栈和相关代码时。

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。

验收标准：修改范围足够小。

补单元测试

适用情况：手头有一个缺少测试的函数或模块时。

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。

检查点：测试能在本地通过。

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。

验收标准：先有计划再动手。

常见问题：生成的代码引用了不存在的函数

让它先搜索代码库确认 API，再写实现；运行测试验证。

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。

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。

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。

概念补充：编程智能体

能读写多个文件、运行命令并迭代修复的 AI，需要控制权限。

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：数据分析师

数据分析师可以用 Augment 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

写在最后

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

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。

延伸阅读