过去一年 AI 编程工具变化很快。很多人不是没有工具，而是不知道该按什么顺序学：

• 先学 Prompt，还是先学 Cursor？
• Codex、Claude Code、Kiro 这些工具到底解决什么问题？
• 什么时候该引入 MCP、Agent、项目规则和自动化工作流？
• 团队里怎么避免“AI 写了很多代码，但没人敢合并”？

我把这类内容整理成了一个中文 AI 学习知识库：AI全书。其中 AI 编程部分会持续收录 Cursor、Codex、Claude Code、Kiro、Lingma、Augment 等工具的教程和实践。

AI 编程分类：
https://aibook.ren/categories/ai-coding?utm_source=csdn_ai_coding&utm_medium=article&utm_campaign=aibook_202606_sprint&utm_content=ai_coding_article

阅读指导：
https://aibook.ren/reading-guidance?utm_source=csdn_ai_coding&utm_medium=article&utm_campaign=aibook_202606_sprint&utm_content=reading

1. 先分清 AI 编程的 4 个层次

第一层：补全

这是最容易上手的一层。模型根据当前文件和上下文补全代码、注释、类型、测试片段。

适合场景：

• 写重复样板代码
• 补类型定义
• 补单元测试骨架
• 改局部语法

风险也很明显：它通常只理解局部上下文，不一定理解项目结构和业务约束。

第二层：对话

这时你开始把 AI 当成结对开发对象：解释代码、定位错误、生成方案、比较实现。

适合场景：

• 看不熟悉的代码
• 分析报错
• 比较技术方案
• 重构局部模块

这一层最重要的能力不是“写提示词模板”，而是把问题讲清楚：目标、上下文、约束、期望输出。

第三层：代理

代理式工具可以跨文件阅读、执行命令、修改多个文件、运行测试。Codex、Claude Code、Kiro 这类工具更接近这一层。

适合场景：

• 修复跨文件 bug
• 完成小型 feature
• 执行测试并根据结果迭代
• 做代码审查和风险扫描

这一层开始需要边界：哪些命令能执行，哪些文件能改，什么时候必须人工确认。

第四层：工作流

真正稳定的 AI 编程不是单次生成，而是把需求、设计、实现、测试、审查串起来。

团队里要关注：

• 项目规则
• 代码风格
• 测试策略
• 变更记录
• 权限边界
• Review 流程

2. 工具怎么选

Cursor

适合编辑器内高频开发。优点是上手快、和代码编辑结合紧密，适合日常补全、局部改动和对话式理解代码。

Codex

适合代理式任务和更完整的工程执行流程。它更适合把一个明确任务拆成步骤，执行命令、修改代码、运行验证。

Claude Code

适合长上下文理解、代码解释、重构方案和复杂项目对话。团队使用时要特别注意上下文管理和权限边界。

Kiro

更强调规格、任务拆解和工程流程，适合希望把需求、设计、实现步骤明确沉淀下来的场景。

3. 初学者路线

建议不要一开始就同时学很多工具。更稳的路线：

1. 先掌握一个编辑器内工具，例如 Cursor 或通义灵码。
2. 再学习一个代理式工具，例如 Codex 或 Claude Code。
3. 然后补项目规则、测试驱动、代码审查和上下文管理。
4. 最后再看 MCP、Agent、自动化工作流。

这样学习的好处是：你不会把工具能力误认为工程能力。

4. 团队路线

团队引入 AI 编程，重点不是“每个人都装一个工具”，而是建立可复用流程。

建议做 5 件事：

1. 建立项目级规则，明确代码风格、目录结构、测试要求。
2. 沉淀常见任务 Prompt，例如修 bug、写测试、做 review。
3. 要求 AI 生成的代码必须跑测试。
4. 对高风险操作设置人工确认。
5. 把成功案例和失败案例写回团队知识库。

5. 常见坑

坑 1：没有上下文

只给一句“帮我优化这段代码”，模型很容易做表面优化。更好的方式是告诉它业务目标、性能约束、兼容性要求和测试方式。

坑 2：没有验证

AI 生成的代码必须经过测试。没有测试时，至少要让它说明影响范围和人工验证步骤。

坑 3：权限过大

代理式工具能执行命令，也可能误删、误改、误提交。建议限制工作目录和命令权限。

坑 4：只追新工具

工具会变，但工程基本功不变：需求澄清、模块边界、测试、可维护性、Review。

6. 我整理的资料

我把 AI 编程相关内容整理在 AI全书里：

• AI 编程分类：https://aibook.ren/categories/ai-coding?utm_source=csdn_ai_coding&utm_medium=article&utm_campaign=aibook_202606_sprint&utm_content=ai_coding_article
• Codex 教程：https://aibook.ren/archives/ai-coding-codex-reset?utm_source=csdn_ai_coding&utm_medium=article&utm_campaign=aibook_202606_sprint&utm_content=codex
• Agent 核心概念：https://aibook.ren/archives/ai-agent-core-concepts?utm_source=csdn_ai_coding&utm_medium=article&utm_campaign=aibook_202606_sprint&utm_content=agent

后续我会继续补充 AI 编程工具真实工作流、RAG 知识库和 Agent/MCP 开发实践。

---

说明：本文为 AI 辅助整理，基于 AI全书已发布的 AI 编程学习资料和公开工具信息。