把 Augment Code 放进工作流：搭配工具与交接要点
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。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：Augment Code + Pydantic AI
Pydantic AI 的定位是：Pydantic 团队推出的类型安全智能体框架。两者分工可以是：Augment Code 负责「读懂陌生代码库」这一步，Pydantic AI 负责把前后步骤串成自动化流程。
工作流步骤
- 明确交付物和验收标准，例如：运行步骤能实际跑通。
- 准备输入：一个刚接手的项目仓库，先去掉敏感信息。
- 在 Augment Code 中执行核心步骤（提示词见下文）
- 把结果交给 Pydantic AI 做下一步处理，或从 Pydantic AI 取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
读懂陌生代码库
输入：一个刚接手的项目仓库。
先不要改任何代码。请阅读这个仓库，输出：1）目录结构说明；2）主要模块之间的调用关系；3）本地运行步骤；4）你认为最脆弱的 3 个地方。
检查点：运行步骤能实际跑通。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 成本叠加：两个工具都可能计费，先估算用量。
如果暂时不想引入第二个工具，也可以先用 Copilot 等同类产品替代其中一环，跑通流程后再决定。
更多可以试的用法
修复报错
输入：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
输入：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。
写技术文档
输入：一个模块的源码。
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。
检查点：示例代码可运行。
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：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：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：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：差异审阅
在接受 AI 修改前逐个查看 diff，是最重要的安全习惯。
适合人群：小店老板
小店老板可以用 Augment 处理门店宣传物料、顾客评价回复等工作。需要注意：价格和活动信息以实际为准，顾客电话等信息不要随意上传。
适合人群：设计师
设计师可以用 Augment 处理灵感与草图、多尺寸物料适配等工作。需要注意：确认生成素材与字体的商用授权，客户未公开的项目不要上传。
注意事项
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。
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。