前面几篇都在讲转型的大战略，这篇讲点手边的事：作为一个还在写代码的前端，AI编程工具到底该怎么用。

我用Cursor、Copilot这类工具超过半年了，工作流被改得面目全非。这篇文章就按真实的工作场景，一个一个拆给你看：哪些环节AI已经深度接管，哪些环节它还是个帮倒忙的实习生。最后说一个很多人没意识到的事：天天用AI工具，本身就是最好的转型预备役训练。

场景一：接新需求，先让AI出"丑稿"

以前接到一个页面需求，我的流程是：看设计稿、建文件、搭结构、写布局、调样式，一套下来大半天。

现在的流程完全变了。我会先用自然语言把需求讲给AI听，讲得越具体越好：页面分几个区、每个区放什么、交互是什么、数据结构大概长什么样。AI一分钟内出一版完整的代码。这版代码我叫它"丑稿"，能跑，但到处是问题：组件拆分不合理、样式和我的项目规范不符、有些细节它自作主张改了。

但丑稿的价值不在质量，在起点。从空白文件开始写，和从一份能跑的丑稿开始改，前者是心流杀手，后者一上来就进入"评审模式"，效率高得多。我的经验是：丑稿把从零到六成的路走完了，我专心干六成到十成的活儿，而这部分恰恰是真正需要经验和判断的部分。

这里有个关键习惯：让AI写丑稿之前，我会先把项目的规范喂给它。组件命名风格、状态管理用的是什么、目录怎么组织，写成一份简短的约定文件，每次对话挂上。没有这一步，AI每次生成的代码风格都像抽盲盒，改起来比自己写还累。这个"喂上下文"的动作，说白了就是在做Prompt工程，天天在练。

场景二：改bug，AI是排查加速器，不是法官

改bug的场景里，AI的表现两极分化，得看bug的类型。

对于"有明确报错信息"的bug，AI近乎神勇。报错栈贴给它，加上相关代码，它十次有八次能直接命中原因，剩下的两次也能把排查范围缩得很小。以前查一个陌生报错要翻半天社区帖子，现在一分钟有方向。

但对于"逻辑型"bug，就是那种不报错、只是行为不对的bug，AI的帮助就有限了。因为它不知道你的业务规则，订单金额算错了，它哪知道你们公司的满减规则是怎么叠的。这类bug里AI的正确用法是"陪聊"：你把业务逻辑讲给它听，让它复述一遍、挑逻辑漏洞。讲的过程经常自己就悟了，小黄鸭调试法的AI升级版。

有一条铁律必须立：AI给的修复方案，看懂再合入。半年里我至少遇到五次，AI的修复方案在A场景有效，但会悄悄搞坏B场景。它改代码只看局部，而副作用是全局的。盲信AI修复方案引入的新bug，比原来的bug难查十倍。

场景三：写测试，AI最该接管的活儿

如果要选一个"AI接管得最彻底"的环节，我会毫不犹豫地选写测试。

原因很直白：测试代码的结构高度模式化，输入、执行、断言，翻来覆去就那些套路；而且测试代码对"优雅"的要求低，啰嗦一点没关系，覆盖到就行。这恰好是AI的主场。

我的做法是：自己先列测试点，哪些场景要覆盖、边界情况有哪些，这个清单必须人出，因为它依赖对业务的理解。然后把清单和源代码一起丢给AI，让它批量生成测试用例，我再逐个review、删掉它过度发挥的、补上它漏掉的。

这么分工之后，我写测试的时间大概省了七成，而且覆盖率反而上去了。以前很多"懒得写"的边界测试，现在顺手就有了。这个环节的启示很值得琢磨：AI替代的不是"写测试"，是"写测试里最机械的那部分"，而"测什么"这个判断，变得更值钱了。

场景四：读遗留代码，AI是最好的翻译官

每个前端都会遇到这种时刻：接手一个上古项目，几千行没有注释的祖传代码，原作者早离职了。

这现在是AI最稳定发挥的场景。把代码文件喂给它，让它解释这段代码在干什么、数据从哪流到哪、这个诡异的if分支可能在防什么情况。它的解释不总是全对，但给你一个起点，比自己从第一行硬啃快太多了。

我有个进阶用法：让AI先画出模块的依赖关系和核心数据流，形成一张概览，再带着这张图去读代码细节。以前熟悉一个陌生项目要一周，现在两天能上手改东西。

场景五：Code Review，AI初审加人复审

我们团队现在的review流程多了一道：提交之前，先让AI过一遍diff，它会抓出一批问题：明显的逻辑漏洞、命名不规范、潜在的空值、重复代码。这批问题在到达同事之前就被处理掉了。

人肉review因此变了味，同事不再需要检查那些机械的问题，精力全放在架构合理性、业务逻辑、可读性这些AI看不出门道的层面。review的质量和氛围都好了不少，毕竟被机器挑刺不丢人，被人挑低级错误才尴尬。

AI干不好的活儿，也得说清楚

泼几盆冷水，免得你以为我在卖工具。

跨多个文件的大重构，AI目前干得很勉强，它对全局的把握还是不如人，让它主导大重构，你会收获一堆局部合理、整体别扭的代码。复杂的CSS布局问题，尤其是涉及各种兼容性怪癖的，AI经常给出看似合理实则跑不通的方案，最后还是得靠经验和真机调试。还有性能优化，AI能给出清单式的建议，但真正的瓶颈定位要靠Profiling数据和经验直觉，它插不上手。

认清这个分布很重要：AI擅长的是局部、模式化、有标准答案的活儿；不擅长的是全局、上下文依赖、需要权衡的活儿。你的工作价值要往哪边迁移，这个分布图就是指南针。

最后说回转型：用工具的人，最懂工具

这半年深度用下来，我有个越来越强的感受：每天用AI编程工具，本身就是最便宜的AI应用开发训练。

你在反复观察一个成熟的AI产品是怎么设计的：它怎么管理上下文，为什么有时候记得住你前面说过的话、有时候又忘了；它怎么呈现不确定性，给出的代码建议为什么带着"可能""建议"这类措辞；它在什么场景下帮倒忙，边界到底在哪。这些观察积累下来，就是你对"AI能力边界"的体感，而这种体感，是做AI应用的人最核心、最难速成的素质。

更直接的一层：你天天在给AI写Prompt，调它的输出格式，喂它项目上下文，踩它幻觉的坑。这套动作和开发一个AI应用时做的事，本质是相通的。等你想清楚这一点，会发现自己其实早就开始转型了，只是没意识到而已。

所以我的建议很简单：别等"准备好"才开始。从今天起，把AI工具用进日常开发的每一个环节，用得越狠越好。半年后你去面AI应用岗，面试官问你"对AI编程工具怎么看"，你能聊一个下午，这种聊，是装不出来的。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！