Copilot Plan Mode + 多模型协同实战:让复杂项目开发丝滑起飞
在 AI 辅助编程普及的今天,我们似乎习惯了'Tab 键一路狂飙'的快感。但在面对大型存量项目(Legacy Code)时,这种快感往往会变成惊吓——AI 生成的代码看似完美,实则破坏了原有的架构逻辑,或者引入了难以排查的幻觉(Hallucinations)。
分享了在维护大型存量项目时,使用 GitHub Copilot Plan Mode 结合多模型路由策略的最佳实践。针对传统 Ask+Agent 模式缺乏确认环节导致幻觉的问题,Plan Mode 通过生成计划书达成共识,降低返工率。实战中采用 GPT-5.3-Codex 负责架构规划,Claude 系列负责代码落地,实现了企业微信 SaaS 系统的动态 Server 参数改造。该方案提升了开发掌控感,确保编译通过且无需人工修改,适合复杂后端开发场景。
在 AI 辅助编程普及的今天,我们似乎习惯了'Tab 键一路狂飙'的快感。但在面对大型存量项目(Legacy Code)时,这种快感往往会变成惊吓——AI 生成的代码看似完美,实则破坏了原有的架构逻辑,或者引入了难以排查的幻觉(Hallucinations)。
作为一名后端开发者,我在工具链的探索上走了不少弯路。从 Spec Kit 到 Gemini Conductor,再到如今的 GitHub Copilot Plan Mode,我终于找到了一套适合 复杂业务架构 的'最佳实践'。
今天想和大家分享这套 'Plan + Implement' 模式 配合 '多模型路由' 的打法,它让我的开发体验发生了质变。
在探索 AI 编程工具的过程中,我经历了三个阶段的心态变化:
起初,为了保证代码质量,我尝试过 Spec Kit。它确实严谨,能强制 AI 遵循规范。但它的配置过程实在是太'重'了,写代码前要先写一堆 Spec,感觉像是在给 AI 打工,很难在日常快速迭代中坚持下来。
后来,Google 推出的 Gemini Conductor 让我眼前一亮。
就在我苦恼于'新项目太爽,老项目太累'的时候,GitHub Copilot 推出的 Plan + Implementation 模式 完美填补了这个空白。
它不需要预先配置复杂的 Skills,却能通过**'交互式规划'**快速理解复杂的业务上下文。这正是我在维护复杂老项目时最需要的——手术刀般的精准度,而不是推土机般的破坏力。
以前我们用 Copilot 的 Ask + Agent 模式时,流程通常是:先在 Chat 框里和 AI 聊(Ask),聊得差不多了,再让 Agent 去执行。
但这中间存在一个致命的断层:没有一个'最终确认'的环节。 虽然我在 Ask 阶段聊了很多,但到了 Agent 实现阶段,AI 可能依然存在理解盲区。因为它没有显式地总结出一份'行动指南'让我确认,一旦它在某个不懂的细节上开始'自由发挥',就会产生幻觉。这种不确定性,导致我在 Code Review 时经常还要回头去修它生成的 Bug。
Plan Mode 的核心价值在于,它在 Thinking(思考)和 Coding(编码)之间,插入了一个**'达成共识'**的步骤。
在 Agent 写下一行代码之前,它必须先交出一份 Plan(计划书)。
这相当于在施工前先签好了图纸,极大地降低了返工率。

这是我在实战中摸索出的'独家秘籍'。Gemini Conductor 虽然强大,但目前只能绑定 Gemini 系列模型。而 GitHub Copilot 的最大优势在于它的开放性——你可以根据不同的任务阶段,自由路由到最合适的模型。

我总结了一套 '架构师 + 工匠' 的组合拳:


为了证明这套模式的威力,分享一个最近的真实案例。 背景:我们的 SaaS 客服系统基于 Spring Boot + NATS + DDD 架构。 需求:需要将一个动态的 server 参数,从 API 回调入口,穿透 DTO、Listener、Event、Service,一直透传到下游的 API Client。
我将 WeComPayload 和 WeComApiClient 的代码发给 Copilot,输入需求。GPT-5.3-Codex 并没有急着给代码,而是先生成了 Decisions(关键决策) 列表供我确认:

Decisions: 已定:字段路径 payload.attributes.server 已定 已定:server 值为 host:port,客户端负责补协议并组装 URL 关键点:server 缺失时'跳过 + 记录错误',不回退 wecom.api.base-url 已定:sendTextMessage 与读取接口保持同一动态 server 规则
这一步非常关键!如果它不问,直接回退到旧的 base-url,系统逻辑就乱了。
确认决策后,AI 生成了包含 5 个大步骤的详细计划:

确认 Plan 无误后,我切换模型为 Claude 4.6 点击 "Start Implementation"。Claude 开始分批执行修改。最让我惊喜的一个细节是:在修改 WeComPayload 时,它引入了一个 Map 类,但随即在编译检查时发现该引用实际上未被使用。Claude 主动 发出提示:
'检测到 java.util.Map 引用多余,虽然编译器忽略了,但我将其移除以保持代码整洁。'

最终,整个重构涉及 11 个文件。 编译通过,Spotless 格式化通过,单元测试全绿。 全程没有人工修改一行代码,一次性通过。

AI 编程工具正在经历从'玩具'到'工业级武器'的转变。
这套模式不仅让我写代码更快,更重要的是它带给了我久违的**'掌控感'**。我不再担心 AI 会悄悄搞乱我的代码,因为每一个步骤、每一个决策,都在 Plan 阶段经过了我的确认。
拒绝 AI 幻觉,从学会'Plan'开始。 强烈推荐大家在复杂的后端开发中尝试这套打法,体验真正的丝滑开发。

微信公众号「极客日志」,在微信中扫描左侧二维码关注。展示文案:极客日志 zeeklog
查找任何按下的键的javascript键代码、代码、位置和修饰符。 在线工具,Keycode 信息在线工具,online
JavaScript 字符串转义/反转义;Java 风格 \uXXXX(Native2Ascii)编码与解码。 在线工具,Escape 与 Native 编解码在线工具,online
使用 Prettier 在浏览器内格式化 JavaScript 或 HTML 片段。 在线工具,JavaScript / HTML 格式化在线工具,online
Terser 压缩、变量名混淆,或 javascript-obfuscator 高强度混淆(体积会增大)。 在线工具,JavaScript 压缩与混淆在线工具,online
生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online
基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online