2024 年，AI 工具已经从"可选"变成"必要"了。整理一下我目前的 AI 辅助开发工作流。

工具矩阵

工具	用途	我的使用频率
GitHub Copilot	代码补全	每天
Claude 3.5 Sonnet	复杂问题分析、架构讨论	每天
ChatGPT-4o	快速答疑、内容生成	每周
Cursor	AI 原生编辑器	新项目尝试中
v0.dev	UI 原型生成	每月

代码生成：从提示词到可用代码

提示词质量决定输出质量。

差的提示词：
"帮我写一个列表组件"

好的提示词：
"用 React 18 + TypeScript 写一个商品列表组件：
- Props：items: Product[]（Product 有 id, name, price, image, inStock 字段）
- 支持加载状态（skeleton loading）
- 支持空状态
- 每个 item 有'加入购物车'按钮，inStock 为 false 时禁用
- 用 Tailwind CSS 样式，响应式：1列→2列→4列
- 点击卡片触发 onSelect 回调"

用具体的类型、约束、交互要求，AI 才能给出接近可用的代码。

我的日常工作流

1. 早晨规划（5分钟）

把今天的任务告诉 Claude，让它帮我拆分任务、识别依赖、估时间。不是为了让 AI 替我规划，而是用对话的方式理清思路。

2. 写代码时（持续）

- 样板代码 → Copilot 自动补全
- 算法逻辑 → 先自己想，卡住了问 Claude
- 类型定义 → Copilot 补全 + 自己审查
- 正则表达式 → 直接让 AI 生成
- SQL 查询 → AI 草稿 + 自己优化

3. Code Review 前（每次提 PR）

把 diff 粘给 Claude，问：
- 有没有潜在的安全问题？
- 有没有明显的性能问题？
- 有没有边界条件没处理？
- 代码可读性如何？

不是让 AI 替代 Review，而是先自检

4. Debug（有时）

把错误栈和相关代码给 AI，通常能快速定位方向。但 AI 有时会给出自信但错误的答案，要保持怀疑。

AI 的局限：必须自己处理的

业务逻辑：AI 不了解你的产品需求，决策要自己做。

安全性：AI 生成的代码可能有安全漏洞（SQL 注入、XSS、IDOR），必须自己审查。

// AI 可能生成这样的代码（SQL 注入！）
const query = `SELECT * FROM users WHERE name = '${name}'`;

// 正确的做法
const users = await db.query("SELECT * FROM users WHERE name = ?", [name]);

性能调优：AI 能给出理论建议，但真正的性能问题要用 Profiler 分析。

架构决策：选哪个方案、如何组织代码，AI 的建议是参考，不是答案。

Cursor 的体验

Cursor 是 VSCode fork，内置了 AI 功能：

最有用的：
- Cmd+K：在光标处生成/修改代码（比 Copilot 更强）
- @file：在对话中引用当前文件
- Cmd+Shift+I：对整个代码库的对话

不适合的：
- 已有 VSCode 完整配置的项目（迁移成本）
- 需要特定 VSCode 扩展的工作流

还没有完全从 VSCode 切到 Cursor，但新项目会优先用。

2024 年的感受

AI 工具让我在"写代码"上省了 30-40% 的时间，但这个时间的大部分被转移到了：

• 更多的 Code Review
• 更仔细的架构设计
• 更多的测试
• 理解 AI 生成的代码（不能不理解就用）

整体输出质量有提升，但不是"省了时间就能摸鱼"，而是把时间用在了更有价值的事情上。

小结

• AI 工具 2024 年已经是必要的生产力工具
• 提示词质量决定输出质量：具体、有上下文、有约束条件
• AI 不能替代：业务判断、安全审查、架构决策、性能调优
• AI 生成的代码必须审查，保持批判性思维
• Cursor > GitHub Copilot（但迁移成本需要考虑）