在「编程与开发」类工具里，Sourcery 的定位是：AI 代码审查与重构建议工具。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我修复报错」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

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。

变化（示意）：输出结构稳定，可以直接按「修改范围足够小」检查。

对比二：一次做完 vs 分步完成

改之前：把「读懂陌生代码库」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

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。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「先有计划再动手」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

补充练习

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。

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。

交付前确认：测试能在本地通过。

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：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：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：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。

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：数据分析师

数据分析师可以用 Sourcery 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。

适合人群：新媒体运营

新媒体运营可以用 Sourcery 处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。

注意事项

本文基于 Sourcery 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

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。

延伸阅读