程序员如何利用 AI 开发工具辅助开发？-CSDN博客

本文链接：https://blog.csdn.net/jennycisp/article/details/147956245

随着 AI 日益普及，各行各业都在积极探索如何在实际的工作中运用 AI，这其中，已经被验证有效地一条路径就是利用 AI 辅助开发，尤其是在编码的这个环节。

*AI 开发工具的发展*

程序员早期的使用基本集中在向各种大模型提问，帮忙解决开发中遇到的各种问题。从 Github Copilot[1] 开始，新一代的 AI 开发工具开始真正进入到程序员的日常工作中。Github Copilot 的能力集中在自动代码补全以及让 AI 根据提示词辅助生成一些代码片段上。即便如此，这也大幅度地提升了程序员的开发体验，至少一些简单问题无需再做额外的搜索。Github Copilot 的出现引发了很多追随者的出现，比如，智谱的 CodeGeeX[2]、阿里的通义灵码[3]。不过，这些工具基本上还是集中在开发者圈子里。

真正带来更大有影响力的开发工具是 Cursor[4]。Cursor 第一个显著的不同是，它是一个独立的 IDE，之前的很多 AI 开发工具都以 IDE 插件形式存在的。Cursor 最大的优势在于，它可以根据用户的需求编写大规模的代码。在一些需求明确的情形下，它甚至可以完成整个项目，这种展示是激动人心的。也是因为有这样的能力，Cursor 的出圈了。在一个宣传视频中，一个 8 岁小女孩很快就构建了一个聊天机器人。这让很多不懂开发的人看到自己编写代码创建应用的可能性。Cursor 的成功同样也带来了一批追随者，比如，Windsurf[5]、Trae[6]、Cline[7] 等。

除此之外，还有一些其它的方案也有人在尝试，比如，基于命令行的 Aider[8]，用于生成 UI 的 v0[9]，总之，这是一个快速发展的领域，各种新鲜工具层出不穷。

以目前的趋势来看，Cursor 类工具的用法越来越受到更多人的欢迎，其主要的优势在于 相比于其它使用方式，IDE 的使用方式更接近于传统开发人员的工作习惯，相比于生成代码片段，生成大规模的代码能极大地解放生产力。即便是一些早期的 Copilot 类工具，也在朝着这个方向前进，比如，通义灵码。可以想见，未来二者会逐渐融合。所以，如果你决定采用 AI 辅助开发，学习 Cursor 类工具的用法是现阶段比较好的选择。

注意：这里说的是 Cursor 类工具，不见得一定要选择 Cursor。你完全可以根据自己的需要进行选择，比如，可以选择当前免费的 Trae，也可以选择开源的 Cline。

以这些工具当前的成熟度而言，没有哪个工具可以让人放心大胆地把所有工作都交给它。所以，我们更现实的选择是，利用好这些工具提升我们的工作效率。

接下来，我们就来聊聊如何利用 Cursor 类开发工具进行开发。

*如何利用 AI 工具辅助开发*

前面说了，Cursor 类工具的最大优势在于它们能够完成相对完整的代码。在不同的工具里，名字或许略有不同，但本质上说，它们都是 Agent。这些 Agent 最大的优点是，它们是半自动的，也就是需要人类参与到它们的编码过程中。

基础原则

行业里有不少全自动的编码 Agent，这反而很多人先探索的领域，一些工具也支持全自动的 Agent，比如，Cursor 的 Yolo 模式，但其表现往往是差强人意。其中的关键点在于，大模型的编码能力和人类的表达能力都是有限的。通过半自动的方式，Cursor 类的工具让人类在 Agent 的执行过程中发现问题，及时止损。所以，在目前的阶段，AI 工具最好的角色还是辅助人进行开发，主导权还是要在人的手上。

利用 AI 工具辅助开发，有一个重要的视角是，把 AI 当做一个需要指导的实习生。它会很多东西，但是，要让它完成你的工作，你需要给予它耐心地指导，各种细节都需要指导，比如：需求是什么、代码风格是什么、工程上有哪些要注意。

任务分解

有了这样的视角，我们推导出指导 AI 的一个重要原则就是，一次给 AI 一个小任务。站在人的角度理解，给一个实习生过多的任务，一方面，他很难一次性消化，另一方面，你作为布置工作的人，也很难一次性说清楚。站在技术的角度看，AI 目前在处理大规模任务时，完成度还比较低。

给 AI 布置任务，难点在于把问题描述清楚。在各个工具的演示视频中，我们看到的是通常是一段非常长的提示词。但在实际工作中，我们很难一下子写出这么复杂的提示词。正常与 AI 沟通的方式往往是在多轮沟通中，不断地向其中补充更多的上下文。越是具体的小任务，也就越容易描述清楚。

规则

在开发的过程中，我们会发现有些要求是反复需要提给 AI 的，比如，因为希望函数要简洁，所以，要求 AI 进行函数提取。如同经常通用的程序要提取成程序库一样，经常提的要求，我们也可以把它提取出来，成为公共的部分。

很多 AI 开发工具都支持一个概念：规则（rule）。规则就是通用的提示词，可以在每次向 AI 发起请求带过去，这样就省去了我们每次去设置。规则更有价值的用法是在一个团队内部，许多刚刚加入团队的人，并不能很好地意识到一些团队内部风格的存在，把通用的规则文件作为项目的基础设施是非常有必要的。所以，一个好的实践是把规则文件提交到代码仓库中。

代码评审和测试

AI 写代码确实很快，但随之而来的一个问题是，我们怎么知道 AI 写得对不对。如果是一个实习生，我们会怎么做？通常的解决方案是代码评审以及测试。对于 AI，我们同样需要这么做。一方面，我们需要人工审核 AI 的代码。好消息是读代码比写代码快，而且不理解的地方还可以让 AI 进一步解释。另一方面，我们需要测试 AI 编写的代码。很多团队缺少编写测试的习惯，尤其是单元测试，好消息是，现在 AI 可以帮助我们写测试，一般来说，测试代码的理解难度要低于产品代码。我们不光是用 AI 编写新代码，还会用 AI 改写老代码，这时，测试的价值会变得异常重要。

模型

采用 AI 编程，一个很现实的问题就是模型。虽然主流大模型的基础能力已经比较接近了，但在编程这个领域模型之间表现还是存在差异。比如，我写下这段文字的当下，公认最好的编程是 Claude Sonnet，国内的 DeepSeek 最新版本也不错。鉴于这个领域正在快速发展，各个大模型都在快速演化，我们很难有一个决定性的结论。好在大部分工具都支持切换模型，所以，我们可以在不同的模型之间多多尝试，找到适合自己的模型。

具体的提示词

与大模型沟通，其关键点就是给大模型更多的上下文。同样，想让发挥 AI 开发工具的能力发挥到最大，我们最好也能提供充足的上下文，越具体越好，比如一个具体的函数，如果能够给它函数签名，就比一段话的描述得到的效果要好。很多 AI 开发工具都有提供更多上下文的能力，比如，我们可以在对话中引用文件、引用目录，甚至引用具体的函数，这样，我们就可以把 AI 的注意力限制在恰当的部分。

不要用 AI 做不擅长的事情

AI 很强，但有些事情它们不擅长，比如：重构。改个类名，提取个函数之类的操作，对很多程序员来说，已经是习以为常的事情，让 AI 去做效果不见得好，因为 AI 的上下文有限，它的修改可能会遗漏很多地方。像重构这样的工作最好还是交给成熟的 IDE 去完成，比如，IntelliJ IDEA、PyCharm 等，它们的重构能力很强，用它们做这些工作更合适。

如果你的工作比较传统，AI 给你的助力会比较大，但如果你的工作比较新，AI 可能就爱莫能助了。比如，你用到了最新的程序库，或是某个程序库的新用法，AI 很有可能帮不上你。因为它的训练数据是有截止日期的，即便有联网功能，搜索出来的结果也可能并不令人满意。所以，如果用到的东西比较新，最好还是自己去查文档看代码，找到恰当的解决方案，然后，用 AI 去编码。

除了功能，代码结构也是很重要的，但这并不是 AI 的强项。如果是通用的结构，比如，Java 程序的 Controller、Service、Repository，我们可以写在规则文件中。但是，在实际的开发中，有不少结构是在编码过程中涌现出来的。发现新的代码结构，还需要人来完成。当然，在结构发现之后，我们可以让 AI 把这些结构提取出来。

自己保底

AI 很好，但还没好到能够解决所有的问题。很有可能出现的情况是，AI 改了几次，依然无法达到我们想要的效果，甚至可能出现很大的偏差，这个时候，我们就需要自己动手把这段代码写好，因为最终要为这段代码负责的人是我们。所以，有了 AI，一个程序员的工作模式应该转成：

告诉 AI 写什么
看看 AI 写得对不对
如果不对，告诉 AI 怎么改
如果 AI 实在改不对，自己上手改

*小结*

说来说去，你会发现，如果想在一个实际的项目中用好 AI，对人的要求还是很高的。无论是任务分解的能力，还是提取通用信息的能力，抑或是发掘代码结构的能力，这些都是一个程序员原本应该具备的技能，而且越是高手，这些方面的能力越强。AI 只会放大一个人原本的能力，所以，作为一个程序员，在这个 AI 时代，修炼内功依然是一件不可或缺的事情。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用