先说说我的背景

从去年开始，我几乎每天都在用 AI 辅助写代码。一开始只是图新鲜，写几个 prompt 看看它能干什么，后来慢慢变成了我工作流里不可或缺的一部分。

半年来，我用 DeepSeek、Claude、GPT-4o 三个模型打过工，写过 Python 脚本、Node.js 后端、前端组件、Shell 脚本，甚至帮朋友改过一行 C++ 的 bug。踩过坑，也走过弯路。今天聊聊我的真实使用心得——不是那种「AI 要取代程序员了」的焦虑文，而是实打实的「怎么用」指南。

第一大原则：别把 AI 当成搜索引擎

我见过最多的情况是：开发者打开 AI 对话框，直接问「怎么用 Python 写一个爬虫」——然后 AI 给了长长一段代码，复制粘贴，跑不通，回头骂 AI 不行。

问题不是 AI 不行，是你用的方式不对。AI 不是搜索引擎，它并不会「检索」最优解。它只是在做「概率最大的文本补全」。

正确的做法是什么？

• 给它上下文。不要只说「写个爬虫」，要说「帮我写一个抓取 V2EX 今日热帖的 Python 脚本，目标网站是静态渲染的，用 requests + BeautifulSoup，输出 JSON 格式」。
• 给它约束条件。「不要用第三方付费 API」「需要支持代理」「错误重试最多 3 次」——限制越具体，输出越可控。
• 一步一步来。复杂功能拆成多个 prompt：先写数据抓取逻辑，再写数据清洗，最后写输出格式化。

一个很好的经验法则是：你给 AI 的 prompt 越接近你给同事的需求描述，效果越好。

第二大原则：让 AI 帮你「扫盲」，而不是「代脑」

AI 最擅长的，是帮你解决「知道但不想写」的问题——比如某个第三方 API 的调用方式、某个正则表达式的写法、某个 CSS 布局的实现。它不擅长解决「你根本没有概念」的问题。

举个例子：有一个朋友问我，想做一个「微信机器人自动回复」，应该怎么搞。

他用的 prompt 是：「帮我写一个微信机器人，能自动回复消息。」

AI 给了一大段代码，当然跑不通——因为微信没有公开的 Bot API。这个问题的本质不是「怎么写代码」，而是「用什么方案实现」。AI 不知道他的真实困境（不知道微信没开放 Bot API），所以给了一个看起来像模像样的假答案。

正确的做法是：先自己去了解「微信机器人有哪些方案」，有了基本认知之后再让 AI 帮你实现具体模块。

总结一下：AI 是你的「实习生」，不是你的「导师」。你可以让它写代码，但你需要自己决定写什么、为什么写、写得对不对。

第三大原则：结果要审查，不是无脑信任

我统计过自己用的频率：AI 写的代码第一次运行就完全正确的比例，大概在 60-70% 之间。剩下的 30% 里，有小 bug（变量名写错、漏了个 import），也有逻辑错误（条件判断反了、边界条件没处理）。

所以永远、永远、永远不要直接复制 AI 的代码到生产环境。

我的习惯流程：

1. AI 给出代码后，先通读一遍，理解它做了什么
2. 处理明显的逻辑问题（循环条件、空值判断等）
3. 用测试用例跑一遍核心逻辑
4. 配合 TypeScript 或 linter 做静态检查
5. 确认无误后提交到代码库

整个过程大概 5-10 分钟，但能省掉后面几小时的 debug 时间。

第四大原则：让 AI 做「重复劳动」，而不是「创造性工作」

什么是 AI 擅长的重复劳动？

• 写单元测试（给它函数签名，让它补测试用例）
• 写 type 定义（从 JSON response 推断 TypeScript 类型）
• 写文档注释（给函数名和参数，让它生成 JSDoc）
• 写 boilerplate 代码（CRUD 接口、配置文件的模板）
• 做代码迁移（从 JavaScript 到 TypeScript，从 callback 到 async/await）

这些工作不复杂、重复性高、规则清晰——AI 做得又快又好。

什么是 AI 不擅长的创造性工作？

• 架构设计（选型、模块划分、接口设计）
• 代码评审中的「可维护性」判断
• 性能优化中的「直觉」
• 理解了业务逻辑之后的代码重构

这些需要「理解业务」和「权衡取舍」，目前（至少在我的体验里）AI 还做不到。

我的日常 AI 编程工作流

最后分享一下我现在的半自动化流程，供参考：

早上（写代码阶段）：

• 如果想好了功能实现方案，用 GPT-4o 快速出代码——它最快，适合「我知道怎么写但懒得打」
• 如果思路不清晰、需要探索方案，用 DeepSeek——它给的方案最务实，不会过度设计
• Claude 用来做代码审查和重构建议——它的分析最透彻

下午（修改/调试阶段）：

• 把 bug 堆栈信息 + 相关代码粘贴进去，让 AI 分析原因
• 修复方案出来后，让 AI 解释改动逻辑
• 让 AI 帮我写单元测试覆盖这个场景

晚上（收尾阶段）：

• 让 AI 帮我写 commit message（git diff 给它，自动总结）
• 让 AI review 当天的代码变更

最后说两句

AI 编程助手是工具，不是神兵。用好了效率翻倍，用错了原地踏步。

它最擅长的事情不是「替你写代码」，而是「帮你节省写那些你已经知道怎么写的代码的时间」。把省下来的时间用在学习、思考、设计上——这才是 AI 编程真正的价值。

💬 评论区说说：你平时怎么用 AI 写代码？有没有什么独门用法或者踩过的坑？👇