发车前把数据管道切成可结对的小任务
数据管道最容易失控的地方，是一段脚本里同时塞满取数、清洗、转换和落库。结对开始之前，先把这条链路拆成四个可验收的单元：输入校验、清洗规则、聚合逻辑、写出格式。每个单元只保留一个职责，并写清楚输入是什么、输出是什么、失败时怎么办。
把这份清单放进仓库文档，结对双方和助手都能读到。会话的上下文有限，任务切得越小，助手给出的改动越贴近你的意图，也越容易在一次会话里完成从改码到跑测试的完整闭环。
同时准备一份最小样本数据：几十行就够，覆盖正常记录与几种典型异常。它既是讨论需求时的共同参照，也是后面写测试的素材。
- 取数：只负责把文件或接口的数据读成统一的表结构，不做业务判断。
- 清洗：只处理缺失值、重复值和类型转换，规则写成独立函数，方便单测。
- 落库：只负责分区、去重和幂等写入，任何重跑都不应该产生重复行。
人工驱动与助手驱动的两种节奏
结对时常见的第一种节奏是人工驱动：你写核心逻辑，助手扮演导航员，负责提示边界条件、补写测试、解释报错。第二种节奏是助手驱动：你描述需求并守住验收标准，助手先出一版实现，你只做审查与取舍。
这两种节奏不是互斥的，真正拉开差距的是你在哪一段切换。下面把它们放在同一张对照里。
- 人工驱动：改动可控，适合业务规则密集的清洗逻辑，比如按渠道拆分订单；代价是打字量大，进度受你个人精力限制。
- 助手驱动：适合样板代码多的模块，比如读取文件、重命名字段、生成配置；风险是它可能把简单问题复杂化，留下一层不必要的抽象。
- 切换时机：骨架搭好后立刻切到人工驱动收口，业务规则写完再让助手补测试和文档。
- 共同要求：两种节奏都需要可执行的验收标准，否则对照就失去了参照系。
如果团队里有人不习惯在屏幕前说思路，可以把结对拆成两段：一段实时讨论，一段异步审查。助手在前一段做实时建议，在后一段给出变更摘要，两种角色不要混在一起。
测试先行给数据管道装上护栏
数据管道的缺陷往往不会立刻报错，而是在下游报表里悄悄放大。结对时把测试写在实现之前，让助手先生成边界样例：空输入、字段缺失、重复主键、日期越界、编码异常。
用固定的小样本做断言，比对着整份数据肉眼检查更可靠。每完成一个单元就跑一次测试，改动范围控制在一个文件以内，回滚成本最低。
清洗函数保持纯粹，不读全局变量，也不直接连数据库。这样同一份测试既能在本地跑，也能在持续集成里跑，助手给出的修改才有稳定的反馈信号。
- 正常样本：确认主流程输出与预期一致。
- 异常样本：确认缺失字段、脏数据会被明确报错或按规则丢弃。
- 幂等样本：同一批数据跑两遍，结果不应该出现重复记录。
测试文件的组织也值得一并约定：每个清洗函数对应一个测试文件，命名直接映射源文件。助手补测试时就不必猜测放哪里，你审查时也能一眼对应。
报错之后的排查路径与模型切换
管线卡住时，先让助手把完整堆栈和最近一次改动一起复述一遍，再决定回滚还是修补。涉及数据特征的问题，比如某一列全是空值，先在终端用几行脚本确认事实，不要凭猜测改代码。
上下文变长之后，会话的注意力会被早期讨论稀释。此时把已经确定的结论写进仓库文档，再开一轮新会话，比在旧会话里反复解释要干净得多。
模型也可以按任务分工：重复性修补用轻量模型快速过一遍，涉及跨模块的重构再交给更擅长推理的模型。例如日常的字段映射可以交给 DeepSeek V4 Flash，重构聚合逻辑时用 Claude Sonnet 5.5 会更稳妥。按 token 计费的好处就在这里，每一步都能按需挑模型。
一次迭代的对照记录
拿“把每日订单日志聚合进数据仓库”这个任务做对照。人工驱动的那次，时间主要花在手工核对字段与口径上，改动一次通过；助手驱动的那次，脚手架代码很快铺满仓库，却在窗口函数的边界上多绕了一圈，靠测试样例才把问题拦住。
两条路线最终交付的代码质量接近，真正的差别在于你把精力花在写代码还是写验收标准上。对长期维护的管道而言，后者更划算：标准沉淀下来，可以直接复用到下一次迭代。
另一个容易被忽略的差别是审查成本。助手驱动产出的代码量更大，审查时间要按比例预留，否则结对反而变成把风险从编写环节挪到合并环节。
冲线建议先用助手驱动起跑再人工驱动收口
综合上面的对照，我们的推荐很明确：新模块用助手驱动快速铺开骨架，进入业务规则密集的部分就切回人工驱动，让助手退居导航员。这样一个周期里既保住了推进速度，也守住了正确性。
具体到流程上，可以固定成四步：拆任务、搭骨架、写规则、补测试。每一步都留下可执行的验收标准，结对双方随时可以从任意一步接手。
如果你还没有可用的接口，可以在 SwiftRelay 注册一个账号，新账号会附赠一笔小额体验额度。SwiftRelay 是按 token 计费的多模型中转服务，支持 Claude Code、Codex、Gemini CLI 以及任何兼容 OpenAI 接口的开发工具；在 Claude Code 里把地址填成 https://api.fastapirelay.com 即可，使用 OpenAI 风格的接口时再补上 /v1。邀请好友充值，你还能拿到 14% 的返点。