昨天用 GPT 5.4 实现了一个内部 MES 的同类型设备的产出及良率的统计报表功能。因为这个 MES 系统是外购的，二次开发没有源代码的情况下，只能直接读数据库。在 349 张表的情况下，靠人工分析非常浪费时间，所以我找到相关的表之后，把表结构导出为文档，放到了 golang struct 的注释中，然后让 AI 去实现这个统计功能。这个过程中，总结了一些经验技巧：
名词命名规范
没有命名规范，就很难定位具体的表存储。也没法规范 AI 的输出代码规范。包括英文的，也包括中文的。暂时我放到了代码项目文档里面，例如新建一个“命名规范.md”的文件，方便在团队中共享，或者仅仅是个人独立开发给 AI 看的：
命名规范
这里把一些常用的名称规范列出来，方便统一称谓，以及 AI 代码生成时的名称规范。
## 命名列表
- 关于 “MD” 的含义：最常见是 “MD = Master Data”，即“主数据”；也可能有场景把 MD 理解为 “Metadata（元数据）”，但在企业 MES 命名约定中通常指主数据（产品主档）
- 设备：MD_EQUIPMENT，EQUIPMENT 缩写为 EQP
- 良率：Yield，缩写为 YLD
- 批次：Lot，即 LOT
- ...
后续看看怎么放到 instruction 或者 skill 中。一个苏州来的 mes 销售公司来公司推销 mes 时，也特别说明了这一点，做 mes 系统首先要统一命名规范。
一行代码不写是不可能的
例如，一些统计，某些字段可能是空的，由于使用者没有填写，所以不能作为统计依据。而 AI 可能会忽略这些逻辑。而大量表存在冗余字段，也许存在别的表中，这就会导致统计逻辑取错表。
有些字段的原始命名存在歧义，很容易取错字段。修复只需要修改一个变量名单词，而要给 ai 描述清楚，则需要点功夫。就像我很难理解在扣子里添加待办日程，非得跟 ai 聊天，然后响应半分钟才能添加上。那我手动五秒钟不就加上了吗😳
所以，要警惕那些说靠 AI 完全实现开发一个完整项目的言论。毕竟新项目可以这么搞，但是历史项目不现实。
BUG
昨天快速上线了一版预览版本，今天上午就收到了 BUG 反馈。。。我觉得挺好的，总比憋一周才上线要好，半天上线收集反馈再迭代就好。
关于作者 🌱
我是来自山东烟台的一名开发者，有感兴趣的话题，或者软件开发需求，欢迎加微信 zhongwei 聊聊，或者关注我的个人公众号“大象工具”， 查看更多联系方式