后端 AI 使用情况调查

1. 都有。
全新需求一般是比较独立的功能，否则它很容易乱拉屎。
修改历史逻辑 ai 还是很好用的，特别是基于 GPT-5 的，分析能力很强。
2. codex ，主要是因为便宜（相对 cc 来说，现在也可以薅 team ，虽然量不大）
3. 有提升，特别是在比较繁杂的重构任务上。但面对历史耦合度高，业务庞大而复杂的新需求，它还是有些力不从心。

目前一些工具类的可能会让 AI 去写，业务的话写之前会跟 AI 讲讲想法，让 AI 优化一下思路，方法命名什么的。国内目前用的通义，还不错，国外用的 ChatGPT ，很好用，就是要升级 Plus 。AI 开发效率有提高，解决 BUG 和碰到一些不懂得不用去 bingying 搜，中文互联网信息质量太差了。ChatGPT 足够智能

1. 都有,但大部分是边写边改。新功能：写一个大框架 细节用注释标注出来但是我不写，比如// todo 这里将数据循环取出, 然后 xxxx. 框架写完之后让 AI 给我补全；历史逻辑要求先分析，改动先给我理清楚再动。
2. claude code 模型是 glm4.6 / sonnet4.5(token 形式的中转)，具体根据业务复杂度切换，难度高一点就贵一点的。切换在我这很方便无感
3. 提升巨大。代码时间缩短了一倍以上。一些不熟悉的 SDK 的 API ，通过日志反馈后能快速解决；我还写一些前端的东西，以前 30 分钟写一个页面弹框表单调后台接口，现在通过 AI 就是一句话的事情 有参考代码的情况下，结果我都懒得看了 因为基本都通过。

1. 都有，全新需求比如一个新的 service 或者函数会很容易。现在只写文档，纯用 claude code cli 辅助修改已有代码增加新需求会很难
2. claude code cli
3. 写全新需求大幅度提高效率，修改已有的复杂业务代码以增加功能困难，只能说提高了部分效率

1. 新需求和改需求适合 AI ，修 BUG 还得自己上（最多让 AI 帮忙理一理代码逻辑找找关键位置）。
2. claude code + ccr 模型大部分是 glm4.6 。
3. 新需求效率大提升，改需求效率中提升，修 BUG 效率无提升或者小提升。

我最近在用 github copilot cli ，关键能免费用 sonnet4.5 和 gpt5 ，目前没出现过额度限制提醒

1. 全让 AI 写。修 bug 这种 AI 可以一次性做对，完全的新功能，和 AI 讨论几轮设计，然后让它逐步实现，不断纠正它的代码。AI 的代码一定要强 review ，一点一点写。
2. Claude Code
3. 有非常大的提升，90% 的代码都是由 AI 写的，同时用多个 Claude Code 是基本操作吧。足够的上下文 AI 就足够智能，智能 = 上下文 + 模型能力

1. 全 AI 写，但是写之前自己一定要设计好，也要仔细 review ，AI 很多时候还是会瞎搞的。
2. 主力是 Gemini based agent ， 简单的小项目会用 Claude 和 Codex 。 （ CC 和 Codex 的在开箱即用方面其实比 Gemini 好，但 Gemini 对大规模代码的理解能力要好很多，很适合维护老代码，但 CLI 不行，基本得自己搭）
3. 综合 20%提升吧，和具体任务有关。。 做个 demo 啥的基本 500%加速，但就日常工作来说其实 AI 给我帮助最大的还是在写作/读文档读邮件这些。