用对话生成并迭代 Web 应用的平台——这是 Lovable 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：Lovable + Llama 开源模型

Llama 开源模型的定位是：Meta 发布的开放权重大模型系列。两者分工可以是：Lovable 负责「代码审查」这一步，Llama 开源模型负责用本地模型处理敏感部分。

工作流步骤

  1. 明确交付物和验收标准，例如：问题定位到行。
  2. 准备输入：一个 Pull Request 的改动，先去掉敏感信息。
  3. 在 Lovable 中执行核心步骤（提示词见下文）
  4. 把结果交给 Llama 开源模型做下一步处理，或从 Llama 开源模型取得所需材料。
  5. 人工检查关键事实与格式，记录发现的问题。
  6. 把这次用到的提示词和设置保存为模板，下次复用。

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。

交付前确认：问题定位到行。

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 Bolt.new 等同类产品替代其中一环，跑通流程后再决定。

补充练习

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

输入：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。

读懂陌生代码库

准备材料：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。

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：泄露密钥的风险

把密钥放在环境变量，规则文件中禁止读取 .env 等敏感文件。

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。

概念补充：上下文索引

把代码库建立索引，让 AI 回答时能引用相关文件。

适合人群：游戏开发者

游戏开发者可以用 Lovable 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。

注意事项

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 Lovable 当前版本，重要内容请人工核对后再使用。

延伸阅读