社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

Git:AI 写代码时代,为什么还要懂一点?

连享会 • 4 月前 • 222 次点击  

 


👇 连享会 · 推文导航 |www.lianxh.cn

连享会:2026暑期班 · 线上
时间:7月21-31日
嘉宾:连玉君(初级班) || 茅家铭(高级班) || 范馨月(论文班)
咨询:王老师 18903405450(微信)

 本次暑期班围绕实证研究能力的三层递进展开:

  • • 初级班 解决「能不能把实证研究做起来」
  • • 高级班 解决「能不能把识别策略讲清楚」
  • • 论文班 解决「能不能从文献复现走向自己的论文」



作者: 丁闪闪 (连享会)
邮箱:lianxhcn@163.com[1]


  • • Title: Git:AI 写代码时代,为什么还要懂一点?
  • • Keywords: github, 版本控制, 代码审查, 代码管理, AI 协作

🍎 系列推文:AI 写代码时代,为什么还要懂一点?[2]

编者按: 让 AI 写代码以后,一个新问题很快会出现:它不只是改一行代码,而是可能一次改掉十几个文件。它会重命名变量,调整路径,新增函数,删除临时文件,重写 README,顺手把结果表输出方式也换掉。代码可能确实更整洁了,但你也可能不知道它到底改了什么,更不知道改坏以后怎么退回去。Git 解决的不是“怎么写代码”,而是“怎么记录、比较、回退和协作”。本文不是 Git 入门教程,而是一份面向 AI 协作场景的 Git 使用手册。懂一点 Git,不是为了变成程序员,而是为了在 AI 修改项目之后,研究者仍然知道:它改了什么,为什么改,哪里可能出错,必要时如何回到上一个能跑通的版本。

参考资料:

  • • Scott Chacon & Ben Straub, Pro Git[3].
  • • Git 官方网站[4].
  • • GitHub 官方网站[5].
  • • GitHub Docs, Creating a pull request[6].
  • • GitHub Docs, Reviewing changes in pull requests[7].
  • • GitHub Docs, About pull requests[8].
  • • 连享会, GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具[9].
  • • 连享会, Stata 与 Github 交互[10].
  • • 连享会, 社会科学研究复现包中的自述文档模板[11].
  • • 连享会, 如何整理一份规范的论文复现文档?[12].
  • • 连享会, 代码审计:如何从源头确保你的论文可复现?[13].

1. AI 改了什么,你知道吗?

以前写论文代码,很多人用文件名管理版本:

main.do
main-修改版.do
main-最终版.do
main-最终版2.do
main-真的最终版.do
main-投稿版.do

这套方法虽然土,但还能勉强看出一点修改顺序。AI 介入以后,这个方法很快失效。因为 AI 不一定只改一个文件,它可能同时改:

01_clean_data.do
02_merge_policy.do
03_construct_variables.do
04_regression.do
tables.do
README.md
requirements.txt

或者在 R / Python 项目里同时改:

clean_data.R
model.R
plot.R
report.qmd
utils.py
README.md

这时,单靠文件名已经无法回答几个基本问题:

  • • AI 到底改了哪些文件?
  • • 每个文件改了哪些行?
  • • 哪些修改是必要的,哪些是顺手改的?
  • • 结果变了,是因为模型改了,还是样本处理改了?
  • • 如果新版本跑不通,能不能退回上一个能跑通的版本?

Git[4] 的价值就在这里。它不是替你写代码,而是记录项目变化。你可以把每一次重要修改保存成一个节点。以后项目出错时,不必凭记忆猜“昨天到底改了哪里”,而是可以直接查看差异,必要时回退。

所以,AI 时代学 Git 的目标不必设得很高。多数经管社科研究者不需要一开始就掌握复杂分支、rebase、cherry-pick 或 GitHub Actions。比较现实的目标是:

能记录一个能跑通的版本,能查看 AI 改了什么,能撤回错误修改,能把项目同步到 GitHub,能和合作者在同一个项目上有序协作。

这已经足够改变研究项目的管理方式。

2. Git 不是 GitHub

很多初学者会把 Git 和 GitHub[5] 混在一起。二者相关,但不是一回事。

Git 是版本控制工具,记录本地项目的修改历史。GitHub 是代码托管和协作平台,可以把 Git 项目放到网上,方便备份、共享、协作和代码审查。

可以这样理解:

Git      = 本地版本控制
GitHub   = 远程托管和协作平台
GitHub Desktop = 可视化 Git 客户端

你完全可以只在本地使用 Git,不把项目传到 GitHub。对于含有敏感数据、未公开论文、保密项目的研究,先在本地使用 Git 记录版本,已经很有价值。

如果项目需要和学生、合作者或助研协作,可以再考虑 GitHub。GitHub 的好处是:

  • • 可以远程备份;
  • • 可以多人协作;
  • • 可以用 issue 记录任务;
  • • 可以用 pull request[8] 审查修改;
  • • 可以在线查看每次修改的 diff;
  • • 可以发布公开复现包、课程材料或在线书。

如果不想一开始使用命令行,可以从 GitHub Desktop[14] 这样的可视化工具入手。连享会此前已经介绍过 GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具[9] 和 Stata 与 Github 交互[10],可以作为延伸阅读。

但无论使用命令行、GitHub Desktop、VS Code,还是 Cursor、Claude Code、Codex 这类 AI 编程工具,背后的逻辑都是一样的:

Git 记录修改,GitHub 管理协作。

3. 先把项目纳入版本控制

一个研究项目在使用 Git 前,最好先有基本目录结构。例如:




    
my_project/
├── data_raw/        原始数据
├── data_clean/      清洗后的数据
├── code/            R、Python、Stata 代码
├── output/
│   ├── tables/      表格
│   └── figures/     图形
├── docs/            论文、讲义、说明文档
├── README.md
└── .gitignore

所谓“项目根目录”,就是项目最外层文件夹。上面这个例子中,data_raw/、code/、output/、README.md 和 .gitignore 所在的这一层,就是项目根目录。

3.1 Git 命令在哪里执行?

需要先说明一点:git init、git status、git diff 这些是 Git 命令,应当在你电脑本地的终端中运行,而不是在 ChatGPT、Claude、Kimi 或 DeepSeek 的普通对话框里直接运行。

对 Windows 用户来说,常见的终端有:

  • • Git Bash;
  • • PowerShell;
  • • Windows Terminal;
  • • VS Code 或 Cursor 的内置终端;
  • • RStudio / Posit 的 Terminal 面板。

对 macOS 和 Linux 用户来说,通常可以直接使用系统自带的 Terminal。

关键不在于你使用哪一种终端,而在于:终端当前所在的位置,必须是项目根目录。

例如,在 Windows 中可以这样进入项目文件夹:

cd D:/research/my_project

在 macOS 或 Linux 中可以这样写:




    
cd ~/research/my_project

然后查看当前路径是否正确:

pwd

如果 pwd 显示的路径正是你的项目根目录,就可以初始化 Git:

git init

git init 只需要执行一次。它的作用是告诉 Git:从现在开始,这个文件夹里的项目要纳入版本控制。

3.2 初始化一个本地仓库

在项目根目录中初始化 Git:

git init

查看当前状态:

git status

把文件加入暂存区:

git add README.md
git add code/

提交第一个版本:

git commit -m "init project structure"

这一步的意义不是“完成了一次高级操作”,而是给项目建立第一个可追踪节点。以后每次修改,都可以和这个节点比较。

如果已经有 GitHub 仓库,可以把本地仓库推送到远程:




    
git remote add origin https://github.com/username/my_project.git
git branch -M main
git push -u origin main

不过,初学阶段不必急着上 GitHub。先学会本地三件事更重要:

git status
git diff
git commit

这三条命令分别回答:

现在有哪些文件被改了?
具体改了哪些内容?
是否把这次修改保存成一个版本?

这正是 AI 协作最需要的三个问题。

3.3 不想用命令行怎么办?

如果你暂时不想用命令行,可以使用 GitHub Desktop。它会把常见 Git 操作做成按钮和图形界面。例如:

  • • git status 对应 Changes 面板;
  • • git diff 对应每个文件的差异视图;
  • • git commit 对应左下角的 Summary 和 Commit 按钮;
  • • git push 对应 Push origin;
  • • git pull 对应 Fetch / Pull origin。

图形界面不影响你理解 Git 的核心逻辑。命令行和 GitHub Desktop 的区别主要在操作方式,不在基本原理。

如果你是在 VS Code、Cursor、Claude Code 或 Codex 中工作,也可以使用内置终端执行 Git 命令。很多 AI Agent 还能直接读取 git status 和 git diff 的结果,但这属于 Agent 模式,后文会单独说明。

4. 什么文件该交给 Git?

Git 很适合管理文本文件。比如:

.do
.R
.py
.qmd
.Rmd
.md
.tex
.yml
.toml
txt
csv

但不是所有文件都适合交给 Git。

一般建议纳入 Git 的文件包括:

代码文件
项目说明文档
配置文件
小型示例数据
可复现脚本
Quarto / R Markdown 文档
论文草稿的 Markdown 或 LaTeX 文件

一般不建议直接纳入 Git 的文件包括:

大型原始数据
商业数据库
保密数据
包含个人信息的数据
临时文件
缓存文件
自动生成的大型图表
反复变化的日志文件

这时需要 .gitignore[15]。它告诉 Git 哪些文件不需要追踪。

例如:

# 临时文件
*.tmp
*.log
*.bak

# Stata 临时文件
*.smcl

# R 临时文件
.Rhistory
.RData
.Rproj.user/

# Python 缓存
__pycache__/
*.pyc

# 输出文件
output/tables/
output/figures/

# 敏感数据
data_raw/
data_private/

需要注意,是否忽略 output/ 取决于项目目标。如果你希望复现包只保留代码,让读者自行生成表格和图形,可以忽略输出文件。如果你希望同步展示结果,可以保留关键输出,但不保留临时输出。

一个更稳妥的做法是:




    
保留代码
保留说明文档
保留小型示例数据
忽略原始保密数据
忽略临时文件
忽略可由代码重新生成的大型输出

AI 很容易把项目里所有文件都 git add .。这不一定安全。使用 AI 前,可以在项目规则中写清楚:

不要把 data_raw/、data_private/、*.log、*.tmp、.Rhistory、__pycache__/ 纳入 Git。
如果需要修改 .gitignore,请先说明理由。

Git 管理的是研究过程,不是把所有文件都塞进仓库。

5. 让 AI 改代码前,先保存一个版本

和 AI 协作写代码时,一个基本习惯是:

让 AI 动手前,先确认当前版本能跑通,并提交一次。

例如:

git status
git add .
git commit -m "working version before AI edits"

这条 commit 信息不需要复杂,但要说明这次提交的意义:这是 AI 修改前的可运行版本。

然后再让 AI 改代码。

AI 修改后,先不要急着运行所有结果。先看它改了什么:

git status
git diff

如果只想看某个文件:

git diff code/03_regression.do
git diff R/model.R
git diff report.qmd

这一步非常重要。很多时候,AI 会顺手改一些你没有要求它改的地方。比如你本来只让它整理路径,它却顺手改了变量名;你本来只让它修复报错,它却调整了回归设定;你本来只让它优化循环,它却改变了样本筛选条件。

可以把 AI 协作流程固定成四步:

提交当前可运行版本
让 AI 修改
查看 diff
运行检查后再 commit

对应命令是:

git add .
git commit -m "working version before AI edits"

# AI 修改代码后

git status
git diff

# 检查通过后

git add .
git commit -m "refactor data cleaning with AI"

这个习惯比“相信 AI 写得对”可靠得多。

6. 看懂 diff,比多学十条命令更重要

Git 最值得初学者掌握的不是复杂命令,而是 git diff[16]。

diff 会显示文件中哪些行被删除,哪些行被新增。通常:

- 表示删除的行
+ 表示新增的行

例如:

- keep if year >= 2010
+ keep if year >= 2008

这不是普通修改。这会改变样本区间,可能影响所有回归结果。

再如:

- reghdfe y treat x, absorb(firm_id year) vce(cluster firm_id)
+ reghdfe y treat x, absorb(firm_id industry#year) vce(cluster city)

这也不是格式优化,而是改变了固定效应和聚类标准误。研究者必须判断是否有识别依据。

在 R 项目中,AI 可能这样改:

- df  left_join(policy, by = c("city", "year"))
+ df inner_join(policy, by = c("city", "year"))

left_join() 改成 inner_join(),可能会删除没有匹配上的样本。这也不是普通改写。

在 Python 项目中,AI 可能这样改:

- df = df.merge(policy, on=["city", "year"], how="left")
+ df = df.merge(policy, on=["city", "year"], how="inner")

逻辑一样:样本可能变了。

所以,看 diff 不是程序员的习惯,而是实证研究者的基本审查动作。AI 改了代码后,必须看:

  • • 样本筛选条件有没有变;
  • • 合并方式有没有变;
  • • 变量定义有没有变;
  • • 固定效应有没有变;
  • • 标准误有没有变;
  • • 输出路径有没有变;
  • • 是否删除了检查语句;
  • • 是否把原来可复现的步骤改成了手工步骤。

可以直接要求 AI:

请解释当前 git diff。
重点说明:

1. 哪些修改只是格式整理;
2. 哪些修改改变了样本筛选;
3. 哪些修改改变了变量定义;
4. 哪些修改改变了模型设定;
5. 哪些修改可能影响结果表;
6. 哪些修改需要我人工确认后才能提交。

如果你在普通 ChatGPT 或 Claude 对话框中使用这段提示词,需要先把 git diff 的输出复制进去。普通网页对话框看不到你本地项目。只有在 Codex、Claude Code、Cursor Agent 这类已经连接本地项目的 Agent 模式下,AI 才可能直接读取当前仓库的 diff。

7. 改坏了,怎么退回去?

AI 写代码时,退路很重要。

如果 AI 修改后还没有 commit,只是工作区文件被改了,可以撤销某个文件:

git restore code/03_regression.do

如果想撤销所有未提交修改:




    
git restore .

如果某个文件已经加入暂存区,但还没提交:

git restore --staged code/03_regression.do

如果已经提交了,但想看历史:

git log --oneline

输出可能类似:

a1b2c3d refactor data cleaning with AI
9e8f7g6 working version before AI edits
3c2b1a0 init project structure

如果只是想查看旧版本的某个文件,可以用:

git show 9e8f7g6:code/03_regression.do

如果要回到某个旧版本,初学者不要随便使用危险命令。更稳妥的做法是先创建一个新分支,在新分支上恢复和测试。

git switch -c restore-test
git restore --source 9e8f7g6 code/03_regression.do

确认无误后,再决定是否合并回主分支。

需要强调一点:Git 可以回退代码,但不能替你判断结果是否正确。退回旧代码以后,还要重新运行数据清洗、回归和输出表格。Git 解决的是版本问题,不解决识别问题。

8. 分支:让 AI 在试验场里改代码

很多人觉得 Git 分支很复杂。其实,在 AI 协作中,分支可以理解为“试验场”。

主分支 main 里放稳定版本。AI 要做大改动时,不要直接在 main 上改,而是新建一个分支:




    
git switch -c ai-refactor

然后让 AI 在这个分支里修改代码。改完后运行检查,看 diff。如果效果好,再合并回 main;如果效果不好,直接删除这个分支即可。

git switch main
git merge ai-refactor

如果不想保留:

git switch main
git branch -D ai-refactor

分支特别适合这些场景:

  • • 让 AI 重构项目结构;
  • • 让 AI 改写数据清洗代码;
  • • 让 AI 把 Stata 代码改成 R 或 Python;
  • • 让 AI 优化循环;
  • • 让 AI 尝试新模型;
  • • 让 AI 整理 Quarto 文档;
  • • 让 AI 大规模修改变量命名。

这些任务风险较高,不适合直接动主分支。

可以这样给 AI 设定规则:

你现在只能在当前 ai-refactor 分支上修改代码。
不要直接修改 main 分支。
每完成一个小任务,请说明修改了哪些文件、为什么修改、如何验证。
不要一次性大规模重写整个项目。

分支的意义不是炫技,而是让 AI 的试错成本变低。

9. GitHub:不是只给程序员用的

研究者使用 GitHub,至少有四个常见用途。

第一,备份项目。电脑坏了,项目还在。

第二,协作。导师、学生、助研、合作者可以在同一个仓库中工作,而不是互相发送压缩包。

第三,展示复现包。论文发表后,可以把代码、说明文档和可公开数据放在 GitHub 仓库中。

第四,审查修改。Pull request 可以让你在合并前查看 changed files 和 diff,逐行评论修改内容。

对于研究项目,不一定一开始就上复杂流程。一个简单流程已经够用:

main 分支保留稳定版本
每个修改任务开一个新分支
修改后发起 pull request
在 pull request 中查看 diff
确认无误后再 merge

GitHub pull request 的价值不只是“提交代码”,更是“留下讨论和审查记录”。当 AI 或助研改了代码,你可以在 PR 里看到:

  • • 改了哪些文件;
  • • 每个文件改了哪些行;
  • • 是否删除了重要检查;
  • • 是否改变了样本;
  • • 是否改变了模型;
  • • 修改者如何解释这次修改。

这对于论文复现和团队协作很重要。

连享会此前介绍过 社会科学研究复现包中的自述文档模板[11]、如何整理一份规范的论文复现文档?[12] 和 代码审计:如何从源头确保你的论文可复现?[13]。这些推文和 GitHub 的结合点很清楚:复现包不是最后整理出来的,而是在项目进行过程中逐步沉淀出来的。

10. 不要把敏感数据交给 GitHub

Git 和 GitHub 很有用,但不能忽视数据安全。

经管社科研究中,很多数据不能公开:

  • • 商业数据库;
  • • 企业微观数据;
  • • 含个人信息的数据;
  • • 未公开调查数据;
  • • 合作者提供的保密数据;
  • • 需要授权访问的数据;
  • • 带有账号、密钥、token 的配置文件。

这些内容不应随手推送到 GitHub。即便是 private repository,也不代表可以上传所有数据。很多数据的使用协议明确限制传播方式。

所以,使用 GitHub 前要先决定:

哪些文件可以公开?
哪些文件只能本地保存?
哪些文件可以放在私有仓库?
哪些文件只能用说明文档描述来源?

建议在 .gitignore 中明确排除敏感目录:

data_raw/
data_private/
*.key
*.token
.env

如果项目需要公开复现,但原始数据不能公开,可以提供:

  • • 数据来源说明;
  • • 数据下载链接;
  • • 数据申请方式;
  • • 清洗脚本;
  • • 小型模拟数据;
  • • 变量说明;
  • • 生成中间数据的程序说明。

不要为了方便 AI 或 GitHub 协作,把不该公开的数据上传到仓库。

还要注意一个问题:如果敏感文件已经被 commit,即使后来删除,它也可能仍然留在 Git 历史中。因此,.gitignore  要尽早写,不要等出事后再补。

11. 和 AI 协作时,规则要写清楚

前三篇分别讲了 Python、Stata 和 R。它们有一个共同点:AI 写代码前,最好先知道项目规则。Git 篇也是如此。

可以在项目根目录放一个 AGENTS.md、CLAUDE.md 或 AI_RULES.md,写清楚 AI 修改项目时必须遵守的规则。

例如:

# AI 协作规则

本项目使用 Git 管理版本。请遵守以下规则:

1. 修改代码前,先阅读 README.md 和项目目录结构;
2. 不要删除 data_raw/、data_private/ 和 docs/ 中的文件;
3. 不要修改 .gitignore,除非先说明理由;
4. 不要一次性重写多个核心脚本;
5. 每次只完成一个明确任务;
6. 修改后必须说明改了哪些文件;
7. 修改后必须说明哪些改动会影响样本、变量或模型;
8. 不要改变回归设定,除非用户明确要求;
9. 不要把绝对路径写进代码;
10. 不要把输出文件替代为手工复制粘贴结果;
11. 修改完成后,请提示用户查看 git diff;
12. 不要自动 commit,除非用户明确要求。

如果使用 Claude Code、Codex、Cursor 或其他 AI Agent,这类规则很有用。它不是让 AI 更“聪明”,而是限制它不要乱改。

可以进一步要求 AI 每次修改后输出一份变更说明:

请在修改后按以下格式汇报:

1. 修改的文件列表;
2. 每个文件的主要修改;
3. 是否影响样本筛选;
4. 是否影响变量定义;
5. 是否影响模型设定;
6. 是否影响输出结果;
7. 建议用户重点检查的 diff。

这比让 AI 直接说“已完成修改”更可靠。

12. 最小命令清单

如果只掌握一组命令,建议从下面这些开始。

查看版本:

git --version

初始化仓库:

git init

查看状态:

git status

查看修改:

git diff

添加文件:

git add README.md
git add code/

提交版本:

git commit -m "clean data and update README"

查看历史:

git log --oneline

撤销未提交修改:

git restore filename

撤销暂存:

git restore --staged filename

新建分支:

git switch -c ai-refactor

切回主分支:




    
git switch main

合并分支:

git merge ai-refactor

连接 GitHub 远程仓库:

git remote add origin https://github.com/username/repo.git

推送到 GitHub:

git push -u origin main

从 GitHub 拉取更新:

git pull

对多数研究项目而言,这些已经够用。真正重要的不是一次学完所有命令,而是养成三个习惯:

改之前提交
改之后看 diff
确认后再提交

这三句话,比背熟一堆 Git 命令更重要。

13. 提示词模板怎么用?

这一节需要先区分两类 AI 使用方式。

一类是普通对话框模式。例如 ChatGPT、Claude、Kimi、DeepSeek 的网页聊天窗口。在这种模式下,AI 看不到你本地的 Git 仓库,也不能直接运行 git status、git diff 或读取你的项目文件。你需要把相关信息贴给它,例如目录树、报错信息、git diff 输出、某段代码或截图。

另一类是Agent 模式。例如 Codex、Claude Code、Cursor Agent,或接入了本地项目目录和终端权限的 IDE 工具。在这种模式下,AI 可能可以直接读取仓库、查看文件、运行 Git 命令,并根据结果继续修改。

所以,下面的提示词模板要分开理解:

  • • 如果你在普通对话框里使用 AI,那么要先把上下文贴给它;
  • • 如果你在 Agent 模式里使用 AI,那么这些提示词可以更直接地使用,因为 AI 有机会自己查看项目状态。

两者的差别不在“是不是在对话框里说这些话”。本质上,这些提示词都是自然语言任务说明。差别在于 AI 能看到多少上下文、能执行到哪一步。

13.1 普通对话框模式

如果你使用的是网页端 ChatGPT、Claude、Kimi 或 DeepSeek,可以这样提问:

下面是我的 git diff 输出和相关代码片段。
请帮我解释这些修改。

重点说明:

1. 哪些修改只是格式整理;
2. 哪些修改改变了样本筛选;
3. 哪些修改改变了变量定义;
4. 哪些修改改变了模型设定;
5. 哪些修改可能影响结果表;
6. 哪些修改需要我人工确认后才能提交。

注意,这时你必须先把 git diff 的输出复制到对话框里。否则 AI 并不知道你的项目发生了什么变化。

如果你想让 AI 检查 .gitignore,可以这样说:

下面是我的项目目录结构、README 和 .gitignore 内容。
请帮我检查:

1. 哪些文件应该纳入 Git;
2. 哪些文件应该写入 .gitignore;
3. 是否误包含原始数据、临时文件或敏感文件;
4. 如果需要修改 .gitignore,请给出建议并说明理由。

如果你想让 AI 解释报错,可以这样说:

下面是我在终端中运行 Git 命令后的报错信息。
请解释:

1. 报错是什么意思;
2. 可能发生在哪一步;
3. 如何用最小修改修复;
4. 修复前是否需要备份或查看当前 git status。

普通对话框模式的重点是:你负责复制上下文,AI 负责解释和建议。

13.2 Agent 模式

如果你使用的是 Codex、Claude Code、Cursor Agent 等能访问本地项目的工具,可以直接这样说:

请先阅读当前项目目录结构和 README.md,再运行 git status 和 git diff。
在不修改 main 分支的前提下,完成以下任务:

1. 说明当前仓库有哪些未提交修改;
2. 解释这些修改是否影响样本、变量或模型;
3. 如果需要,请在新分支中完成代码整理;
4. 修改完成后汇报改动文件、主要变化和验证方法;
5. 不要自动 commit,除非我明确要求。

如果要让 Agent 修改代码,可以先要求它给出计划:

在修改代码前,请先给出修改计划。
要求:

1. 列出你准备修改的文件;
2. 说明每个文件为什么需要修改;
3. 说明哪些修改可能影响样本;
4. 说明哪些修改可能影响变量定义;
5. 说明哪些修改可能影响模型设定;
6. 不要直接开始修改。

如果要让 Agent 修改后汇报结果,可以这样说:

修改完成后,请按以下格式汇报:

1. 修改的文件列表;
2. 每个文件的主要修改;
3. 是否影响样本筛选;
4. 是否影响变量定义;
5. 是否影响模型设定;
6. 是否影响输出结果;
7. 建议我重点检查的 git diff。

Agent 模式的重点是:AI 可以执行一部分操作,但研究者仍然要审查 diff 和结果。

13.3 通用提示词

A. 让 AI 写 commit message

请根据当前 git diff,帮我写一条清晰的 commit message。
要求:

1. 第一行不超过 60 个字符;
2. 说明本次修改的主要目的;
3. 如果修改影响样本、变量或模型,请明确写出来;
4. 不要写“update code”这类笼统表述。

B. 检查是否适合提交

请根据当前项目状态判断是否适合 commit。
请检查:

1. 是否还有临时文件;
2. 是否误加入了原始数据或敏感数据;
3. 是否误加入了日志、缓存或大型输出文件;
4. 是否有必要修改 .gitignore;
5. 是否需要先运行代码确认结果可复现;
6. 如果适合提交,请建议 git add 的文件范围和 commit message。

C. 设计 .gitignore




    
请为一个经管实证研究项目设计 .gitignore。
项目包含 Stata、R、Python 和 Quarto 文件。
要求:

1. 忽略临时文件和缓存;
2. 忽略原始保密数据;
3. 忽略日志文件;
4. 忽略可由代码重新生成的大型输出;
5. 保留代码、README、Quarto 文档和小型示例数据;
6. 每一类忽略规则加简短注释。

D. 检查 GitHub 仓库是否适合公开

请帮我检查这个项目是否适合发布到 GitHub。
重点检查:

1. 是否包含原始数据或保密数据;
2. 是否包含账号、token、密钥或本地路径;
3. README 是否说明了项目用途;
4. 是否有复现步骤;
5. 是否有必要提供示例数据;
6. 是否需要补充数据来源和使用限制;
7. 是否有 .gitignore。

14. 扩展阅读

A. Git 和 GitHub

  • • Scott Chacon & Ben Straub, Pro Git[3].
  • • Git 官方网站[4].
  • • Git Documentation, git diff[16].
  • • Git Documentation, gitignore[15].
  • • GitHub 官方网站[5].
  • • GitHub Docs, Creating a pull request[6].
  • • GitHub Docs, Reviewing changes in pull requests[7].
  • • GitHub Docs, About pull requests[8].

B. 可视化工具

  • • GitHub Desktop, 官方主页[14].
  • • GitHub Docs, GitHub Desktop 文档[17].
  • • 连享会, GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具[9].

C. 连享会相关推文

  • • 连享会, Stata 与 Github 交互[10].
  • • 连享会, 社会科学研究复现包中的自述文档模板[11].
  • • 连享会, 如何整理一份规范的论文复现文档?[12].
  • • 连享会, 代码审计:如何从源头确保你的论文可复现?[13].
  • • 连享会, 可重复研究:世行经济学家对论文复现的要求[18].

15. 结语

借助 AI 写代码后,Git 变得更重要了。原因很简单:AI 改代码的速度太快。如果没有版本控制,研究者很快就会失去对项目的控制。你不知道它改了哪些文件,不知道结果为什么变了,也不知道改坏后如何退回去。

Git 不是程序员的专属工具。对做实证的人而言,它更像一份项目修改日志。每一次 commit 都是在告诉未来的自己:这个版本做了什么,为什么这样改,当时是否能跑通。

所以,AI 时代学 Git,不是为了把自己变成软件工程师,而便于追踪和审查 AI 的修改过程。

16. 相关推文

Note:产生如下推文列表的 Stata 命令为:
lianxh github AI编程 版本控制, md2 nocat
安装最新版 lianxh 命令:
ssc install lianxh, replace

  • • 吴欣洋, 2025, 分享!数百个金融类机器学习仓库:financial-ML[19].
  • • 左祥太, 2022, 如何搭建个人主页-GitHub / Gitee[20].
  • • 李原, 2024, Stata:可重复研究中的版本控制问题-require命令[21].
  • • 李原, 2024, Stata:批量快速安装外部命令-usepackage[22].
  • • 李原, 2024, 使用 Quarto 打造你的个人主页[23].
  • • 杨涵慧, 2024, 如何使用Github创建你的个人主页?[24].
  • • 杨雪, 2025, GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具[9].
  • • 汪京, 2024, Stata代码规范指南[25].
  • • 游万海, 连玉君, 2019, Stata: 外部命令的搜索、安装与使用[26].
  • • 王维怡, 2021, Stata结果重现:dependencies命令-外部命令的版本控制[27].
  • • 王若溪, 李缘, 2020, Github使用方法及Stata资源[28].
  • • 王萃芳, 2022, Stata与Github交互[10].
  • • 秦范, 2022, 论文重现:外部命令的版本控制[29].
  • • 范思妤, 2022, GitHub中最受欢迎的Stata仓库[30].
  • • 董思源, 2025, 提示词!用 DeepSeek 快速生成更优代码[31].
  • • 连享会, 2024, AI编程助手大盘点:不止ChatGPT和Copilot[32].
  • • 连享会, 2020, 如何通过-GitHub-发布自己的-Stata-命令?[33].
  • • 连小白, 2025, 50 分钟搞定个人主页:Fork 模板 + GitHub Pages + Quarto 完整教程[34].
  • • 连玉君, 2024, 从基础到 AI 助手:Python 用户最爱的 VScode 插件清单[35].
  • • 连玉君, 2024, 借助ChatGPT4o学习排序算法:AI代码助手好酸爽![36].
  • • 连玉君, 2025, 快去抢注一个GitHub账号[37].
  • • 连玉君, 2025, 无法下载github仓库中的数据?网页跳转的原理与 Stata、R、Python 解决方案[38].
  • • 顾小龙, 连玉君, 2020, Stata帮助和网络资源汇总(持续更新中)[39].


🍓 连享会 · 2026 社会网络分析专题
嘉宾:杨张博 (西安交通大学)
时间:2026 年 8 月 18-19 日
咨询:王老师 18903405450(微信)


New! Stata 搜索神器:lianxh 和 songblGIF 动图介绍
搜: 推文、数据分享、期刊论文、重现代码 ……
👉 安装:
. ssc install lianxh
. ssc install songbl
👉  使用:
. lianxh DID 倍分法
. songbl all

🍏 关于我们

  • • 连享会 ( www.lianxh.cn,推文列表) 由中山大学连玉君老师团队创办,定期分享实证分析经验。
  • • 直通车: 👉【百度一下:连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。

引用链接

[1] lianxhcn@163.com: mailto:lianxhcn@163.com
[2] 系列推文:AI 写代码时代,为什么还要懂一点?: https://www.lianxh.cn/search.html?s=%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%98%E8%A6%81%E6%87%82%E4%B8%80%E7%82%B9%EF%BC%9F
[3] Pro Git: https://git-scm.com/book/en/v2
[4] Git 官方网站: https://git-scm.com/
[5] GitHub 官方网站: https://github.com/
[6] Creating a pull request: https://docs.github.com/articles/creating-a-pull-request
[7] Reviewing changes in pull requests: https://docs.github.com/pull-requests/collaborating-with-pull-requests/reviewing-changes-in-pull-requests
[8] About pull requests: https://docs.github.com/pull-requests/collaborating-with-pull-requests/proposing-changes-to-your-work-with-pull-requests/about-pull-requests
[9] GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具: https://www.lianxh.cn/details/1672.html
[10] Stata 与 Github 交互: https://www.lianxh.cn/details/1077.html
[11] 社会科学研究复现包中的自述文档模板: https://www.lianxh.cn/details/1451.html
[12] 如何整理一份规范的论文复现文档?: https://www.lianxh.cn/details/1180.html
[13] 代码审计:如何从源头确保你的论文可复现?:  https://www.lianxh.cn/details/1739.html
[14] GitHub Desktop: https://desktop.github.com/
[15] .gitignore: https://git-scm.com/docs/gitignore
[16] git diff: https://git-scm.com/docs/git-diff
[17] GitHub Desktop 文档: https://docs.github.com/en/desktop
[18] 可重复研究:世行经济学家对论文复现的要求: https://www.lianxh.cn/details/1554.html
[19] 分享!数百个金融类机器学习仓库:financial-ML: https://www.lianxh.cn/details/1613.html
[20] 如何搭建个人主页-GitHub / Gitee: https://www.lianxh.cn/details/1005.html
[21] Stata:可重复研究中的版本控制问题-require命令: https://www.lianxh.cn/details/1370.html
[22] Stata:批量快速安装外部命令-usepackage: https://www.lianxh.cn/details/1352.html
[23] 使用 Quarto 打造你的个人主页: https://www.lianxh.cn/details/1338.html
[24] 如何使用Github创建你的个人主页?: https://www.lianxh.cn/details/1337.html
[25] Stata代码规范指南: https://www.lianxh.cn/details/1377.html
[26] Stata: 外部命令的搜索、安装与使用: https://www.lianxh.cn/details/1.html
[27] Stata结果重现:dependencies命令-外部命令的版本控制: https://www.lianxh.cn/details/696.html
[28] Github使用方法及Stata资源: https://www.lianxh.cn/details/294.html
[29] 论文重现:外部命令的版本控制: https://www.lianxh.cn/details/939.html
[30] GitHub中最受欢迎的Stata仓库: https://www.lianxh.cn/details/1022.html
[31] 提示词!用 DeepSeek 快速生成更优代码: https://www.lianxh.cn/details/1569.html
[32] AI编程助手大盘点:不止ChatGPT和Copilot: https://www.lianxh.cn/details/1394.html
[33] 如何通过-GitHub-发布自己的-Stata-命令?: https://www.lianxh.cn/details/422.html
[34] 50 分钟搞定个人主页:Fork 模板 + GitHub Pages + Quarto 完整教程: https://www.lianxh.cn/details/1644.html
[35] 从基础到 AI 助手:Python 用户最爱的 VScode 插件清单: https://www.lianxh.cn/details/1489.html
[36] 借助ChatGPT4o学习排序算法:AI代码助手好酸爽!: https://www.lianxh.cn/details/1393.html
[37] 快去抢注一个GitHub账号:  https://www.lianxh.cn/details/1692.html
[38] 无法下载github仓库中的数据?网页跳转的原理与 Stata、R、Python 解决方案: https://www.lianxh.cn/details/1628.html
[39] Stata帮助和网络资源汇总(持续更新中): https://www.lianxh.cn/details/187.html

 

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198324