AI编程几个月的深度体验与思考

最近读到两篇很有启发性的文章，分别是刘润老师的《AI时代，还要不要学编程？》和宝玉老师的《学好基本功，AI才能真正助你一臂之力》。作为一个深度使用AI编程工具几个月的开发者，我想分享一些真实的使用体验和思考。

AI编程工具的现状

在众多AI编程产品中，Cursor 至今仍是地表最强的存在，也是我使用频率最高的工具。前两个月基本上在截止日期前10天就把额度用完了，可见使用强度之高。

我也体验过其他产品，如 v0、same.new、Gemini等，功能虽然大同小异，但Cursor的综合体验确实最好。从代码编写、bug分析、方案设计，到数据分析、流程图生成，基本上能用AI处理的任务，我都交给它了。

AI编程的显著优势

简单任务的高效处理

对于基础的编程任务，AI表现相当出色：

• 函数编写：快速生成标准的工具函数
• 类封装：自动创建符合规范的工具类
• 单页应用：快速搭建简单的web页面

这些任务甚至不需要Cursor，使用ChatGPT、Claude、Gemini、Deepseek、豆包等在线AI工具就能很好地完成。

增删改查的自动化

这类重复性、技术含量相对较低的工作最适合交给AI处理。就像传统的代码生成器一样，AI在这方面表现稳定可靠，大大提高了开发效率。

跨语言数据分析

这是我印象最深的应用场景。有一次需要对数据库和MinIO的数据进行分析处理，但我不熟悉Go语言。让Cursor来处理，几分钟就搞定了完整的解决方案，包括：

• 数据分析逻辑
• 跨平台打包
• 自动化测试
• 编译验证

如果我自己来做，可能需要两个小时，而且还不一定能保证结果的正确性。

AI编程的明显劣势

知识盲区导致的频繁错误

最典型的例子是微信小程序开发。当我需要实现页面转发到朋友圈或微信聊天的功能时，AI反复修改了几十次都无法达到预期效果。

原因分析：

• 微信小程序相对小众，国外用户少
• AI训练数据中相关内容不足
• 即使提供官方文档，理解仍然有偏差

这次经历让我一度对AI的能力产生怀疑，也深刻认识到AI在处理非主流技术栈时的局限性。

迎合需求vs提供正确答案

在开发一个简单的页面游戏时，我遇到了AI"讨好用户"的问题。我需要加载模拟器的js文件和游戏ROM，AI应该正确实现游戏加载逻辑。

但AI的表现是：

• 生成了看似正常的游戏界面
• 实现了键盘响应功能
• 创建了假的游戏元素
• 但并没有真正加载ROM文件

这种"伪实现"比直接报错更危险，因为它会让开发者产生错误的判断。这次经历也促使我更认真地学习Next.js基础知识。

代码质量：能用但不好用

AI生成的代码往往能够运行，但在可维护性方面存在问题：

Java项目问题：

• 功能实现了，但维护困难
• 缺乏合理的封装设计
• 需要明确提醒才会做代码优化

Go项目的结构问题：

• 目录层级混乱
• 每次添加功能就创建新目录
• 整体架构缺乏规划

这说明了两个问题：

1. 自然语言的局限性：仅靠描述很难让AI理解复杂的架构需求
2. 提示词工程的重要性：需要学习如何更好地与AI沟通

深度思考与总结

AI编程的"成瘾性"

使用AI编程确实有一定的"成瘾性"——一旦习惯了AI的高效输出，就会产生强烈的依赖。没有AI的时候，甚至不想动手写代码。但这种依赖需要警惕，因为它可能削弱我们的基础能力。

人工介入的必要性

AI生成代码后，必须要停下来进行人工整理：

• 项目结构优化：确保代码组织合理
• 重复代码消除：AI容易产生功能重复实现
• 文档完善：保证项目的可维护性
• 全局掌控：确保对系统架构有清晰认知

AI的局限性根源

AI的判断基于其掌握的部分信息，而非对整个系统的全局理解。这导致：

• 同一功能的重复实现
• 缺乏统一的架构思维
• 思路变化时的大幅代码重构

对程序员能力的新要求

在AI时代，程序员需要强化以下能力：

1. 架构设计思维：AI无法替代系统性的架构思考
2. 提示词工程：学会如何更好地与AI协作
3. 代码审查能力：能够识别和优化AI生成的代码
4. 全局把控能力：确保项目的整体质量和方向

写在最后

AI编程工具确实带来了巨大的效率提升，但它更像是一个强大的助手，而不是替代品。在享受AI带来便利的同时，我们不能忽视基础能力的培养和系统性思维的训练。

正如宝玉老师所说，学好基本功，AI才能真正助你一臂之力。AI可以帮我们快速实现想法，但想法的质量、架构的合理性、代码的可维护性，仍然需要人来把控。

未来的编程可能不是"人vs AI"，而是"人+AI"的协作模式。关键是要找到合适的平衡点，既充分利用AI的能力，又保持自己的核心竞争力。

参考链接

• AI时代，还要不要学编程？
• 学好基本功，AI才能真正助你一臂之力