请教关于使用 AI 编程工具，能提高多少效率

大概率是吹牛，AI 没那么神，LLM 你说穿了 也就是大数据算命，给你补足代码而已，能不能正确运行，运行了之后能不能不把屎山掀翻 是另外一回事了

写小工具和写流水线的时候非常好用，能让 AI 快速帮你把框架搭建好。比如写 jenkins 的时候，不熟悉语法就可以把流程说给 AI ，让 AI 帮你实现，就可以剩下很多调试的时间。

"他们搞了 AI 生成式代码，两个人弄得，开发项目又快又好，你们干的活，交给他们两个人比你们十个人都要好。"——我们领导说的

个人感受以及案例

1. 小规模代码 AI 能运行的很好，特别是使用开源库方面，

昨天用 python + scapy 写了一个 mysql 的抓包分析工具，把包解析出来 sql ，然后 sql 格式化，第一版 AI 生成出来的很好用，但是很快发现 SQL 太长它就解析不出来，然后个人拿 wireshark 抓包折腾了一通，发现长 SQL 会被拆解成多个 TCP 包，

而最初 AI 写的代码是使用单个包做解析的，没有把 TCP 流重组串起来

发现原因之后写了提示词让 AI 把 TCP 抓的包，重新串起来，基本上 1 分钟完成，测试无 bug ，如果是人力完成的话，查资料调试代码可能需要 2-3 小时，因为我没有处理 TCP 流的经验

然后今天调试的时候 发现一些服务端发送过来的报文也会被莫名奇妙解析成 SQL ，写了提示词，让 cursor 把代码改成只解析本地 interface 发送出去的 TCP 数据包，1 分钟搞定，如果是我个人处理的话，需要大概 30 分钟去找 scapy 获取 interface ip 的 API ，然后加上一些逻辑处理

后续又想捕捉 redis 发送的命令，花了 1 分钟写提示词，大概 2 分钟就改好了，调试花了 20 分钟，如果是我个人开发的话，大概需要 2 个小时左右开发时间跟调试时间，关键是 API 跟 redis 的协议不熟悉

@logic2 #4 AI 说到底还是一个能力放大器，如果你一开始不知道 tcp 是流的形式，可以在代码里面把 packet 重组，然后不会使用 wireshark 这种工具定位问题，你指望提示器帮你解决一切，跟指望大数据算命没啥区别，它讲到底还是基于数据驱动的概率模型，不是一个许愿机

个人感觉：0%
但这个 0 不是意味着没有效率提升。而是看不见的东西提升了。
为什么呢。你写代码不是只是为了实现功能，要设计，要考虑，要文档，光写代码那是嗖嗖的。但是如果所有这些边缘的都要做。说实话：程序员最不喜欢的就是写文档，最讨厌的就是别人的代码没注释。
但有 AI 就不一样了，我强制自己按工程化的要求去做。其实是整体时间和自己实现一个功能是差不多的。不过，代价是什么呢？
- 充分的单元测试，覆盖率轻轻松松 100%
- 复杂和详细的设计和实现过程文档
- 重要的代码有行级注释

如果不考虑这些。你公司怎么调研的 15 倍？有种用法是开 5 个以上的终端，同时做 5 个需求。如果要求工程质量，这就是个玩笑，如果不需要工程质量。。简直是魔法。

另外在屎山代码场景下，AI 基本上无效，一堆乱七八糟的表结构+落后了不知道多少个版本的注释，连我自己都搞不明白前人写的东西，

你指望 AI+mcp 上下文提示词就能出活，那跟做梦没啥区别，而且前人写的业务代码，一个表上百个字段，10 几个字段标识一个订单的状态，DDL 跟代码里面的注释落后了好几个版本，你指望写几句提示词就能出一个业务逻辑正确的查询接口，跟许愿没啥区别，

关键我老板还对这个东西狂吹，说怎么怎么提升效率，实际上真的很有限，因为屎山代码问题太多，经常人自己都看糊涂了，明明字段 A 你以为他是做什么业务标识用的，然后你一看，历史上一直都把它当做另一个字段在用，而且想改还改不动，因为太多地方在用

没有 UI ，没有产品，没有代码。。。。什么都没有的时候，AI 能提供你要的 N 倍效率。

业务代码效率提升 20%左右，但是额外帮你执行了单元测试，写文档和脚本。

个人感觉十倍

你能读懂 AI 的代码，那你说个几倍不过分，你看起来吃力甚至不理解，那后面维护的时候就有你受的了

如果你觉得 AI 增加了你的心智负担，那么就没有提高效率，如果你觉得 AI 减少了你的心智负担，那么就说明提高了效率。

比如现在把 python 的某些耗时的模块改写为 cython
使用 claude 效率提升非常大

写代码的话，个人感觉提效 40%吧。
看代码的话，提效 5 倍（ cursor ），至少我用来看强化学习和一些大模型训练的框架的时候，这种代码其实挺晦涩难懂的，尤其是各种维度张量的拼接转换，是真的牛逼。其中的语义给你娓娓道来。

50%是因为你还要写代码，试试完全给 AI 写，你只负责提供上下文，检查作业，15 倍轻轻松松

效率和你的 prompt 有关。现在更多的是解构业务需求，如果你是 SE 的话，那么 AI 时代就是 1000%的效率了。一人旅团。

最近还真的有人做了实验来研究这个：
https://bsky.app/profile/metr.org/post/3ltn3t3amms2x

至少在这个实验里，虽然阅读和搜索、写代码、测试和 debug 的时间缩短了，但检查 AI 输出、写 prompt 、等待 AI 输出的时间增加了，最终总体效果反而是更慢了。

@bodayw 没毛病，这些作者都是开源库作者，他们的东西本身就不在语料库训练里面，大部分人是使用开源库的开发者，这些开发者对接口或者 API 的不了解 会大幅度降低他们的开发效率，而 AI 对这些开源库的 API 信手拈来

取决于怎么用，如果是全脱手，完完全全让 ai 动手。效率-10000+%
取个例子，我和开发说有 2 行字字体大小不一样，改个 size 几秒的事情，他用 ai 干了 1 礼拜，虽然做好了，但是整个页面代码都变了。
注意这是个真实例子

还是要看人，如果你是一个擅于对功能拆分解耦模块化的程序员，那么对你的提效至少有 5 倍以上。 对于那种不会模块化分组代码的程序员，一个文件上万行，一个函数几百行的程序员，提效甚微，甚至是负提效。