现在大家对 AI 编程的感觉怎么样 ？

直接上手试啊

后端应用写起来还不错，测试一跑就知道行不行，前端应用写起来是真费劲

想吧，继续想，想个 10 年

前端写起来是真爽，昨天刚让给我的 BitTrans ( /t/1147297 ) 加上了国际化，6 种语言支持，先后给了 3 个简单的提示，第 1 次要求国际化和 SEO 优化，第 2 次修复 input 按钮没有国际化的细节，第 3 次添加了 2 种语言。

关于精确和不精确的问题，我觉得 v 友 @mizuhashi 「一點關於 AI 編程的思考」（ /t/1147013 ）写的很好，编程就是逐渐精确化的过程，添加信息的过程，我们碳基猿是这样编程的，硅基猿也差不离儿：

——「於是程序員的工作本質上是對信息的補足，這種補足是通過不斷疊加約束實現的，每個新增加的細節都是約束，能砍掉一部分可能性，直到最後可能性剩下一種。」

AI 编程当前就是 prompt 工程，你给的提示词越多越精确，他做的越对，你说的越笼统，越要 AI 自己猜，幻觉和错误越多。 怎么写提示词目前还是个手艺活，如果 AI 一直保持这种形态，那以后高级程序员从裤裆里掏出神秘 prompt 自己玩的场景可能会更多 hhh

最近恰好也用不少，不过我场景基本上是让 ai 写写 py ，帮我处理日志文件或者里面数据提取、搞一些可以监控机器运行等的小工具，其他场景我不评论。总体来说，我觉得 ai 还是辅助为主，你自己才是那个主心骨，你要去把控整体。另一方面也要看你让 ai 写的程序的容错性有多大，像一些工控类的程序我显然是不会让它来的，毕竟万一有问题查起来更麻烦。对于你具体的几点我倒是有些看法：

1. 我觉得是不太够精确，这种描述如果你是提供了测试用例那执行没啥问题，但对于修复所有 bug 这个其实不现实。因为在调试过程中，有时候我指出来了一个问题也不见得它能直接找到其他问题。依赖 ai 来找 bug 我觉得不太合适。至于你说要精确到什么程度，我觉得对于修复 bug 这个你就算给一个人来做也无法精确描述或者能准确完成；
2. 你要是想每个细节都精确，那其实还是要你自己审阅代码。但即使审阅代码，我觉得我的场景对于一些难度不高但繁杂的文本、数据提取处理，用 ai 还是快很多的。更多的，我本身写嵌入式的 c 语言，然后其实并不太会用 py ，用 ai 写一方面是可以快速生成一些工具，另一方面生成的也可以作为我学习 py 中的有效实践的参考
你想让 ai 按自己思路工作我觉得是很有效的，你指出思路之后基本上我它的确能整体按这个思路构建；如果完全放任的话要不然就是靠不断反馈修正，否则有时候出来的结果的确挺“飘”的
3. ai 主动进化这个优化过程我没有太大感觉，但你给出一些相关指令它也的确能往这个方向靠，但我觉得这是一个结果不确定性的事情。但有时候我也会就一些问题提出来和 ai 来沟通找思路，这点我倒是觉得可以的
4. 这个不同模型的输出差异比较大，聪明一点的模型给出的测试用例还是相对全面的。但终究你没办法确定或依赖它给你生成是考虑所有情况的测试用例（其实这点和人一样的），不过可以作为多一个人和你一起想想各种情况。

用到现在的感悟：把他当成你的一个小弟，你（架构师）的高度决定了它的高度。小弟受限于上下文和大局观，可以在明确目标的前提下快速干活。但如果你的目标不清晰，他也会胡来。
但我感觉编程语言的边界要被打破了。

目前用到的就是智能提示,还有替代查文档的需求,不知道为什么都在喊程序员已死

回不去了. Claude Code Max 太爽

现在的后台类项目 80%-90%都可以 Ai 写

使用下来感受是。 “替代程序员”这句话就是那些既不懂编程也不懂 Ai 的人对程序员群体的“羞辱+霸凌”。

关键是 prompt ，多练多总结，我提炼了几个 prompt 模板应对日常工作很有效，特别是一些重复劳动，比如 curd 。

AI 似乎不太好控制自己修改代码的边界。有些模型会越界增加多余的代码。有些改代码没改全~

把很多东西都让它写成脚本，需要的时候直接让 AI 或者自己执行一下就好。

快来看看我整理的，但是目前图片还么上传 ，将就看看

https://fc75euxpwk.feishu.cn/wiki/JkBVwrYuGiiQfRkUGXZcmiIjn7c

目前正在做一个业余小项目，90%以上代码都让 AI 帮我写，每次写到 ChatGPT 免费次数用完就休息。
如果你的项目中正在用一些最新的组件开发，AI 在这块可能会给你提供困扰，因为它还不了最近组件的知识，但是你得有意识的知道哪些组件用的最新版。

比如，我在用 react 19 做开发，chatgpt 就不知道 19 已经支持了文档元数据，从而不需要 react-helmet 这样的库了。

另外一点，当开发逐渐深入，你会失去对代码的掌控感，大部分 ai 写的代码你都不熟悉，如果遇到 AI 无法解决的问题，你就得自己去排查 AI 写的那些代码，那也是相当痛苦的事情。好在 AI 在生成代码时会提供注释。

越简单简短的内容，Ai 处理起来非常好。但是上下文过长的话，很容易出现乱修改

最近在使用 Kiro 的时候觉得他的 Spec 模式就很合理，成功率也很高。就是你说完需求，他会给你生成 requirements.md -> design.md -> tasks.md 。分成三步，最后你再点击任务，一个一个运行。

我现在用其他 AI 编程工具基本也是按照这个模式来的，简化一点，反正要先生成一个 tasks.md ，先分解任务，再逐个执行。不然 AI 不记得自己要做什么。

简单说你要看具体模型和场景，不是所有模型（其实现在最先进的几个模型也做不到）

指挥 ai 干活的时候， 能简单地告诉它 “执行所有的测试用例，并修复所有 BUG” 这样的指令能顺利完成任务吗？ 如果不能， 要精确到什么程度才能让它完成任务。
1. 不能，但也取决于你的 prompt ，但总的来说有些 ai 还是会自作主张，有工具能让你回退版本或预警这种行为也可以缓解

自然语言是不精确的， 不精确的描述，能得到精确的结果吗。 我的感觉，ai 能实现代码，但是代码细节总不是自己想要的。 如果要获得精确结果，总是需要精确的描述，那么还不如自己写来的快。 除非 ai 能以我的思路工作。 不知道大家的感受怎么样？
2. 自然是不能，你不能指望几个字节来描述整个世界，更何况有一千个哈姆雷特呢。你需要通过自然语言描述一个范围，然后根据反馈再来精细调节。

3. 一定程度上可以，但是你要花精力，最好是你自己要懂。


4. 不完全能，需要你自己检查

@zealotxxxx #19

但是 ai 能让你在不懂的技术栈上也能写出东西，以及你产出翻倍