使用 AI 辅助修改开源项目的实践：以浏览器插件开发为例

发表于 本文字数： 2.7k 阅读时长 ≈ 2 分钟

背景

在日常工作中，我经常使用 Copy as Markdown 这款浏览器扩展来复制网页链接为 Markdown 格式。但有一个痛点：复制的 URL 经常包含大量追踪参数（如 spm、utm_* 等），导致生成的链接非常冗长。

例如分享一篇知乎文章：

原始: https://zhuanlan.zhihu.com/p/22646254?utm_campaign=official_account&utm_source=weibo&utm_medium=zhihu&utm_content=zhuanlan
期望: https://zhuanlan.zhihu.com/p/22646254

或者复制阿里云产品页：

原始: https://www.aliyun.com/product/ecs?spm=5176.19720258.J_3207526240.2.e9392c4axxxxxx
期望: https://www.aliyun.com/product/ecs

这是一个典型的「小需求」—— 功能明确、改动不大，但需要理解一个陌生的开源项目。正好用来实践 AI 辅助开发。

与 AI 协作的完整流程

第一步：让 AI 理解项目

我的做法：直接让 AI 分析项目结构和功能

我: 请概述下当前项目功能是干啥的

AI 会自动扫描项目目录、阅读 README 和关键源码，然后给出结构化的项目概述，包括：

  • 项目功能定位
  • 技术栈（TypeScript、测试框架等）
  • 代码架构（分层设计、模块划分）

效果：几秒钟内就对一个陌生项目有了全局认知，省去了自己翻代码的时间。

第二步：描述需求，让 AI 规划

我的做法：用自然语言描述需求和示例

我: 在拷贝当前网址导出为 markdown 格式时，需要去除掉 spm=xxx 这个参数。
    例如 https://www.aliyun.com/exp?spm=5176.xxx 需要变成 https://www.aliyun.com/exp
    请修改代码实现这个能力

AI 会：

  1. 理解需求本质（URL 参数清理）
  2. 自动定位需要修改的代码位置
  3. 制定任务计划（创建工具模块 → 集成到现有服务 → 编写测试）
  4. 逐步执行并展示进度

效果：AI 不仅实现了 spm 的清理，还主动扩展支持了 utm_*、fbclid、gclid 等常见追踪参数。

第三步：验证结果

AI 完成代码后，自动运行测试验证：

✓ 120 个单元测试全部通过
✓ 其中 25 个是新增的 URL 清理测试

我只需要检查测试覆盖的场景是否符合预期。

第四步：Git 操作与打包

继续用自然语言指挥：

我: 新建一个 feature 分支，把这个功能提交上去
我: 请编译并打包项目，便于我在 Chrome 里安装

AI 自动完成分支创建、代码提交、编译打包，并告知安装方法。

第五步：提交 PR 到原始项目

本地验证通过后，继续让 AI 处理 PR 提交：

我: 请继续操作，把这个 feature 在原始项目里提交个 PR

AI 会自动：

  1. 配置 Git 远程仓库
  2. 处理 SSH 密钥认证（遇到问题时会提示解决方案）
  3. 推送代码到 Fork 仓库
  4. 生成 PR 标题和描述内容

过程中遇到问题时，AI 会主动分析并提供解决方案：

# SSH 认证失败时，AI 自动检测并提示
"SSH 密钥被 GitHub 拒绝，可能公钥未添加到你的账户。已将公钥复制到剪贴板，请添加到 GitHub Settings..."

当发现提交存在问题时，用自然语言说明即可：

我: 发现 PR 存在问题，第一 commit 压缩成 1 个；第二 排除掉 .idea 目录下与项目无关的修改

AI 会自动执行 git rebase、重新组织 commit、force push 更新 PR。

最终效果：一个干净的 PR，包含 1 个 commit、仅 5 个相关文件。

最终效果

指标 数据
总耗时 ~30 分钟
新增代码 ~110 行（含工具函数）
修改文件 5 个
新增测试 25 个用例
测试通过率 100%（120/120）
PR 状态 已提交到原始项目

修改后的效果：

场景 修改前 修改后
知乎文章 [文章](https://zhuanlan.zhihu.com/p/xxx?utm_source=weibo&utm_medium=zhihu) [文章](https://zhuanlan.zhihu.com/p/xxx)
阿里云产品 [产品](https://aliyun.com/product?spm=5176.xxx) [产品](https://aliyun.com/product)

人机协作最佳实践

什么时候适合用 AI 辅助？

适合 不太适合
需求明确、边界清晰 需求模糊、需要大量讨论
修改陌生代码库 核心业务逻辑设计
重复性工作（测试、重构） 需要深度领域知识
快速原型验证 安全敏感代码

如何与 AI 高效协作？

1. 提供清晰的上下文

❌ "帮我改一下这个 bug"
✅ "复制 URL 时需要去除 spm 参数，例如 xxx 应该变成 yyy"

2. 让 AI 先理解再动手

先问: "请概述下这个项目的架构"
再说: "请实现 xxx 功能"

3. 分步验证，及时纠偏

  • 让 AI 先说方案，确认后再实现
  • 每完成一步就验证（运行测试）
  • 发现问题立即反馈

4. 善用 AI 的延展能力

  • 我只提了 spm，AI 主动扩展了十几种追踪参数
  • 我只要求实现功能，AI 自动补充了边界测试

人类需要把关什么？

  1. 需求理解 - AI 可能过度解读或遗漏细节
  2. 方案合理性 - 检查是否符合项目架构
  3. 测试覆盖 - 确保测试真正验证了业务场景
  4. 安全性 - 涉及敏感操作时要人工审查

总结

这次实践让我体会到 AI 辅助开发的核心价值：

把「理解代码」和「编写代码」的时间成本大幅降低，让开发者专注于「决策」和「验证」。

对于修改开源项目这类场景，AI 特别擅长：

  • 快速理解陌生代码库的结构
  • 定位需要修改的位置
  • 生成符合项目风格的代码
  • 自动补充测试用例
  • 处理 Git 操作和 PR 提交

而人类的价值在于：

  • 提出真正的需求
  • 判断方案是否合理
  • 验证结果是否正确
  • 决定是否采纳

这种人机协作模式，让「给开源项目加个小功能」从「半天的事」变成了「半小时的事」。

原始项目: yorkxin/copy-as-markdown
我的 Fork: DavyJones2010/copy-as-markdown
提交的 PR: feat: add URL tracking parameters cleaner