2.4 迭代循环：计划-执行-评估-优化
PDCA：经典的改进框架
迭代开发是 AI 协作的核心方法论。我们借用管理学中的 PDCA 循环来理解它。
PDCA（Plan-Do-Check-Act）又称戴明循环，是持续改进的经典框架：
在 AI 协作中，这四个阶段对应：
计划（Plan）：确定目标、分析现状、制定方案 执行（Do）：让 AI 按计划生成代码或内容 检查（Check）：验证输出是否符合预期 行动（Act）：总结经验、调整策略、开始下一轮
这个循环不是只转一圈。复杂任务可能需要多次迭代，每一轮都在前一轮基础上改进。
Effective Vibe Coding 的核心循环
第一章简要介绍了 Effective Vibe Coding 的核心循环：提示 → 生成 → 评估 → 优化。现在我们详细展开每个环节。
提示（Prompt）
清晰描述你想要实现的功能。好的提示包含：
- 具体的目标和期望结果
- 必要的上下文和约束条件
- 可能的话，给出示例
提示词的质量直接决定输出质量。模糊的提示产生模糊的结果。
❌ 模糊提示：帮我分析这个公司
✅ 具体提示：请分析 [公司名] 2024 年的财务状况，重点关注：
1. 营收增长趋势
2. 利润率变化
3. 现金流健康度
输出格式：表格 + 简要分析（300 字以内）生成（Generate）
AI 根据提示生成代码或内容。这个阶段你要保持开放心态——AI 的实现方式可能与你预期不同，但可能同样有效甚至更好。
生成过程中，AI 可能一次产出完整功能，也可能分步骤完成。复杂任务通常需要拆分成多个生成步骤。
评估（Evaluate）
这是人类发挥关键作用的环节。评估包括：
- 运行代码，检查是否符合预期
- 审查逻辑，确保没有明显错误
- 测试边界情况和异常处理
- 验证数据准确性（特别是在金融场景）
不要盲目信任 AI 的输出。即使看起来正确，也要抽查验证。
优化（Optimize）
根据评估结果，提出改进建议。优化可能包括：
- 修复发现的问题
- 改进代码结构或性能
- 添加缺失的功能
- 优化输出格式
优化后回到提示环节，开始新一轮循环，直到达到满意结果。
迭代的节奏与粒度
有效的迭代需要把握节奏和粒度。
小步快跑：每次迭代只处理一小块功能。不要试图一次让 AI 完成整个系统。小步迭代更容易发现问题，也更容易调整方向。
即时验证：每生成一段代码就运行测试。不要等全部完成再验证。问题发现得越早，修复成本越低。
保持耐心：复杂功能可能需要多轮迭代。如果一次提示没有得到满意结果，优化提示词再试，而不是放弃或另起炉灶。
建议的任务粒度：保持在 1-3 小时可完成的范围。太大的任务难以验证，太小的任务效率不高。
测试验证的重要性
AI 生成的代码同样需要测试。测试不是可选的，而是必须的。
测试类型：
| 测试类型 | 目的 | 要点 |
|---|---|---|
| 单元测试 | 验证单个函数的正确性 | AI 生成的每个函数都需要对应测试 |
| 集成测试 | 验证组件协作 | 测试 AI 代码与现有系统的兼容性 |
| 边界测试 | 验证异常处理 | 空值、极端值、错误输入 |
| 业务测试 | 验证业务逻辑 | 金融计算的准确性 |
一个好习惯是让 AI 同时生成代码和测试。提示词可以这样写：
请实现 [功能描述]，同时编写对应的单元测试，
覆盖正常情况和边界情况。测试驱动开发（Test-Driven Development，TDD）是一种软件开发方法：先写测试，再写代码，让代码通过测试。在 AI 协作中，可以变体使用：让 AI 先写测试（定义预期行为），你审核测试是否正确，然后让 AI 写代码通过测试。
金融场景：报表生成的迭代优化
假设你要让 AI 生成一份投资分析报表。完整的迭代过程可能是这样的：
第一轮：
提示：请生成一份关于 [公司] 的投资分析报表
评估：报表结构混乱，数据没有来源，缺少关键指标
第二轮：
提示：请按以下结构重新生成报表： 1. 公司概况（行业、主营业务） 2. 财务分析（营收、利润、现金流） 3. 估值分析（PE、PB 与行业对比） 4. 风险提示
每个数据需要标注来源
评估：结构改善了，但估值分析不够深入，缺少图表
第三轮：
提示：估值分析部分请补充： 1. 历史 PE 走势图 2. 与同行业公司的对比表 3. DCF 估值的关键假设
评估：内容完整了，检查数据准确性…
第四轮：
提示：以下数据需要核实和修正：[具体问题]
评估：通过验证，可以使用
四轮迭代后，你得到了一份符合要求的报表。这个过程中，你作为指挥者把握方向和质量，AI 作为执行者完成具体工作。