AI工具使用体会

记录下所谓vibe coding—使用Copilot、Claude code、Deepseek网页对话等辅助机器人定位与建图、无人机避障应用等工程开发的体验。

基于Transformer模型的AI工具根本未实现人类智能

模仿人说话做到令人难以区分是人或机器并非人工智能的判定标准，人类能从直接、间接经验中发现新的规律、新的问题、解决问题的新方法，即创新，2026年当下的AI工具是不具备这样的能力，在用Claude Code实现一个无人机自动驾驶算法部署到仿真软件，有一个关键问题即已有算法测试中模型软件是理想的，规划出轨迹无人机指哪打那，而移植到仿真系统后发现缺少闭环控制；Claude code总结了原测试流程，却看不到这个问题的，没有提出相应的设计，而这是很关键的一步。

偶尔出现

deepseek对话网页，提问如何让claude cli自动执行，不需要自己选择yes no。

它输出的“方法三：使用 auto-confirm-skill（轻量级方案）”十分诱人，

npx skills add https://github.com/example/auto-confirm-skill

发现链接地址子虚乌有。方法无效。

产出的代码与文档不可信

一次用Claude模拟一个毫米波雷达数据发送给开源飞控做验证，按照MAVLink协议实现，发现数据无效，让其参考Deepseek的实现调用pymavlink库修改，可以测试，看其源码发现竟还有未按照协议填写字节的错误；它输出的具体协议总结也是有错误的。

强大的顾问

与大模型对话，能快速了解自己原先毫无认知的专业领域，极大地提升了解决问题、实现目标的效率；原先可能花数周掌握基础知识，才能入门，有了DeepSeek&ChatGPT，再加上agent，一天搞定，专业技术变成了零门槛。
比如，作者原未掌握CUDA编程，现在给claude提要求，极快地完成了像模像样的代码，同时大语言模型常出错误，测试出低级问题，提示它纠正往往事与愿违，甚至有AI第一次产出较后面修改更优的现象，这样只能把AI工具当个顾问，用它了解框架，关键点、细节还是要靠自己。

书面表达很重要

一次赶进度让claude写个Python脚本分析数据，测试结果不对，仔细一看代码和我想要的不一致，我说把具有某个特征的下一行作为有效数据做统计，它做的却是把有特征的一行统计进来了。

高效实现失去编码快乐

AI工具十分高效，偷走了自己编码全神贯注时的沉浸感，解决办法就是仔细阅读AI输出的代码，找出问题并选择自己动手解决。

对编程、专业应用算法的要求更高了

一方面，AI助手能快速带领我们入门软件与算法开发，另一方面，我们的需求很难完整、全面、准确地被AI落实，比如UI设计，排版、标题、字体与布局，往往达不到我们预期，若通过与AI对话，让它修改，常常出现改一个点花费的时间远大于我们手动直接解决问题，前提是我们要去看它的实现，最终我们是要熟练掌握软件、算法的实现。