10|安全基石(下):Checkpointing,获得让AI“时光倒流”的超能力
Tony Bai

你好,我是 Tony Bai。
在上一讲,我们深入了 Claude Code 的权限体系和沙箱机制,学会了如何为 AI 戴上一副坚固的“安全镣铐”。我们通过精细的规则,确保了 AI 在行动之前是可控的、可预测的。
这解决了一个核心的信任问题:“我如何确保 AI 不会做坏事?”。但随之而来的是一个更微妙、也更常见的困境。想象一下这个场景:你正在让 AI 帮你重构一个祖传的、长达 500 行的 Go 函数。
你下达了第一个指令:“先将这个函数拆分成三个更小的私有函数。” AI 完成得很漂亮,你很满意,批准了它的文件修改。
你信心大增,下达了第二个指令:“很好。现在,将这几个函数的核心逻辑,用 Go 的泛型进行重写,以提高复用性。”
AI 再次动手,修改了多个文件,引入了新的类型参数。但这次,你看着生成的新代码,眉头紧锁。它虽然能跑,但设计得过于复杂,可读性反而下降了。
你想反悔,回到上一步的状态。但 AI 已经修改了 3 个文件,共计 15 处地方。你是要手动 Ctrl+Z 15 次,还是用 git restore 小心翼翼地恢复部分文件?无论哪种,都很痛苦,而且很容易出错。
这就是我们所说的“重构的恐惧”:当 AI 的修改偏离了我们的轨道时,我们缺乏一个简单、可靠、能够一键“反悔”的机制。
公开
同步至部落
取消
完成
0/2000
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结

1. Checkpointing机制为AI实验提供了“时光倒流”的超能力,可以在关键节点创建快照,记录代码和对话状态,使得可以轻松回滚到之前的状态。 2. Checkpointing的工作原理类似于游戏中的自动存档机制,在用户提交新的Prompt时被触发,保存代码状态和对话状态,形成一个“影子Git仓库”。 3. 使用`/rewind`命令可以在任意检查点间穿梭,实现从“大胆重构”到“从容反悔”的全过程。 4. Checkpointing机制可以帮助解决“重构的恐惧”,使得当AI的修改偏离轨道时,可以轻松、可靠地进行“反悔”操作。 5. Checkpointing机制的实战应用中,通过示例展示了从重构到失败尝试再到反悔的全过程,突出了Checkpointing的实际应用场景和操作方法。 6. Checkpointing的边界:它不能跟踪`Bash`命令的副作用,不跟踪外部编辑,也不能替代Git作为正式的版本控制工具。 7. Checkpointing和Git是解决两种不同问题的工具,它们是互补而非替代关系。 8. 掌握了Checkpointing,可以驾驭AI进行更大规模、更具探索性任务,从“只敢让AI写点小函数”,到“敢于让AI重构整个模块”。 9. Checkpointing机制能发挥巨大价值的日常开发场景,例如探索一个新库的不同API用法或让AI生成多个不同风格的UI组件代码以供挑选。 10. 下一讲要探讨的主题是自动化之触——Hooks机制,将学习如何在AI的生命周期中埋下“触发器”,实现更高阶的自动化。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 原生开发工作流实战》,新⼈⾸单¥59
《AI 原生开发工作流实战》,新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
子衿来啦2025-12-10归属地:浙江
收起评论