AI 编程经验总结

背景：又一次被 AI 气到半死，我想跟大家聊聊使用 AI 的经验。

前言

为什么起这个标题呢？我从去年开始，至少已经半年时间，不再自己写任何代码，全部使用 AI 来编写代码。这其中踩了很多的坑，也因为相信 AI 多次不得不自己为 AI 擦屁股。

今天想跟大家聊聊，为什么尽管 AI 目前确实存在问题，但是我依然坚持完全使用 AI 编程，而非自己手动写代码，或者只是让 AI 帮我写代码。因为 AI 确实极大地提高了我的效率，并且我确实认为 vibe coding 才是未来。

AI 编程的痛点

1. 词不达意

很多时候，我会气急败坏，比如说：

• "我不是告诉你了吗？你怎么连这都不知道！"
• "不要修改 xxx!"
• "你的思路完全错误，你做的工作没有价值!"

这时候，我成了监工，AI 成了我的员工，我期望 AI 能够自己学习，从跟我的对话过程中。

但是，让我们感到遗憾的是，只要你关了窗口，你告诉 AI 的经验，你总结的心得，就算你写成系统提示词，写成可以被调用的 Skill，其实都没有大用，AI 仍然会忘记，仍然会犯同样的错误。

这也是让我感觉最崩溃的一点：AI 无法从跟我的对话历史中自己学到经验，然后刻在脑海的最深处。

从这一点来看，AI 更像是一个机器而非人——人会学习，小孩子挨骂了下次就不犯这个错了，AI 挨骂了下次还会犯同样的错。

2. 没有主见导致无效工作

有时候，你想做一个东西，但是问 AI 这个方案是否可行，这时候，你会发现，无论你怎么说，AI 都是顺着你的意思。

假设你让 AI 找一个问题，其实代码本身没啥问题了，但是 AI 也能找出来一堆问题。这时候就暴露出来了一个问题：AI 其实不知道什么好什么不好，AI 只是为了让你满意。

但是我们对于未知的知识，我们希望的是有一个老师，告诉我什么是对的，什么是错的，而非一个学习机。

3. 喜欢想当然

根据一点点知识，自以为自己聪明，给我一个方案，然后按照方案执行，实际全都是错的。

绝对不要让 AI 主导你的思维：

• 它说的对，不一定对
• 它说的错，不一定错

因为很多时候，你换个问法，它就态度完全变了。

4. 过度设计

我不知道是谁设计的 AI 编程的奖励机制。有时候一个简单的问题，非要设计成最复杂的架构，考虑很多种意外情况，比如服务器断电、断网、关机等等。有的时候，又对最常见的错误忽视，导致真正跑的时候一堆问题。

这就意味着，AI 默认的配置，其实和我们个人的项目结构并不相容。也就是说，AI 不能根据我们的项目调整自己的生成代码的风格等，必须要人工地把风格总结和固化，才能够勉强适配。高度依赖我们使用 AI 的技巧。

5. 代码可读性差

这个更是重量级。我不知道一堆内部函数、嵌套函数给谁看的：

• 设计模式是一点不用
• 分拆模块都不会
• 一个函数写几百行，狗都不看

这个只能强制在提示词和 skill 规范，比如让 AI 写代码的时候，参考 python-code skill，但是实际上触发的概率并不高，时间一长，我忘了，AI 也忘了。

6. 小众知识检索困难

大部分小众的知识，AI 其实知道，但是这些知识好像放在外部的图书馆，AI 的脑子太小了记不住，必须要你提醒，AI 才能想起来。

如何弥补 AI 的不足

1. 先规划，后动手

绝对不要让 AI 写出来一个你还没想好架构的代码。

也就是说，在让 AI 写代码之前，你应该心里有数：

• 第一步做什么
• 第二步做什么

如果你还没想好，就先跟 AI 进行交互，让它去查资料。等你弄清楚你要做的东西之后，让 AI 生成一个计划大纲，然后你修改这个大纲。当你觉得计划没问题之后，再开始让 AI 写代码。

不然你会陷入无数次的返工与气急败坏。

2. 永远不要盲信 AI 的结论

永远不要相信 AI 的任何结论，除非 AI 刚刚看过这个文档。

根据我的经验，在一个窗口中，AI 对于看过的文档，记忆力是分层次的：

• 最近的对话，AI 的记忆越精准
• 而很久以前的文档，如果你需要问到 AI 相关的问题，一定要让 AI 再次读取

否则这个时候，它做的一切决定可能都没有意义，会给你造成很大的错误。

3. 架构思路自己把控

永远不要指望 AI 给你一个架构思路或者项目思路，这些思路自己心里一定要有数。

AI 自己给的方案，几个方案对比一下，打分一下，自娱自乐的游戏，没有任何意义。最好的方案一定是适合自己的方案。

AI 给的方案一定倾向于杂交方案，这可能是 AI 训练机制的问题，不要使用 AI 的方案。

可以问 AI 业内有哪些开源项目，让 AI 完整看完代码之后，按照别人项目的方案来做，而非凭空想象。

4. 掌控方案，而非代码

对 AI 写的代码，我们无法保持完全的掌控。但是对 AI 给出的方案、实现计划，我们尽可能完全掌控。

不要相信 AI 的判断，局限性太大了。

5. 构建本地提示词体系

自己在本地构建自己的系统提示词等工具，帮助 AI 形成自己的风格：

• 前端用什么 UI
• 后端用什么语言
• 自己的场景是什么
• 等等信息

6. 及时重启会话

AI 会降智。

当你察觉到和 AI 的交流很费劲的时候，这时候不要继续交流了，直接关掉窗口，重新打开。AI 已经过载了。

7. 及时保存成果

当上下文不够的时候，及时保存现在的成果。

不然压缩上下文之后，大概率会忘记某些重要的东西。

总结

尽管 AI 存在诸多问题，但只要掌握正确的使用方法，它依然是提升效率的利器。关键在于：

1. 你是主导者，AI 是工具
2. 规划先行，执行在后
3. 保持怀疑，验证为先
4. 构建自己的 AI 工作流

传播安全知识、拓宽行业人脉——看雪讲师团队等你加入！