我的AI Coding打开方式

最近在思考怎么衡量AI帮助开发工作提效了多少。先说一个不太严谨但很直观的感受。以前用C/Qt开发一个界面——功能、样式、操作逻辑都要完备暂时不考虑数据接入——大概要花1到2天。现在有了AI同样的事情我只需要半个小时把界面需求、样式参考、数据接口、大致操作逻辑甚至相关的参考代码片段一起丢给AI它直接返回一整套h、cpp、ui文件。我编译验证一下再跟AI来回修修补补几轮就完事了。算下来确实省了不少时间。但我想说的不是AI让工作效率飞升而是怎么用AI才是务实的打开方式。不是Vibe Coding是结对编程很多人看到跟AI说几句话就出代码第一反应是这就是Vibe Coding——靠感觉写代码不靠谱。我的感受不太一样。如果一开始就让AI做整个模块的实现那确实像Vibe结果大概率要翻车。但我的做法是先不让AI做整个模块而是先做模块下的一件小事。这个时候看起来像Vibe实际更像是和AI结对编程。区别在哪Vibe Coding是你把需求甩给AI等着它给你一个完整的东西出了问题你再救火。结对编程是你全程把控方向AI负责具体落地你在关键节点做验收和纠偏。两种技术栈两种打开方式这里有个有意思的区别我自己在不同场景下的用法完全不一样。如果是从零开始做一个工具或产品而且技术栈偏Web这种交互不那么重的我会走完整的工程流程先做设计SDD执行过程中拆分Plan、做TDD中间穿插代码审查前端甚至上端到端测试。代码具体怎么实现我不关心我只关心用户操作是否对齐、数据处理从用户角度看是否正常。这种场景下AI更像一个执行者我是产品经理架构师。但如果是C/Qt这类偏重交互实现的模块我的做法就保守很多——在我原有的工作路径里让AI来实现但整个行动过程我全程把控。从需求拆解到接口定义从模块边界到验收标准都是我来定。AI负责把我的设计翻译成代码我负责验证和纠偏。几个类似的模块都这么跑完之后我才会去想怎么沉淀成SKILL或者Workflow让下次再来同类需求时讨论更少、AI漂移更少、效率更高。为什么在熟悉的领域反而更保守说起来有点反直觉我主要做C/Qt开发按理说在自己最熟悉的领域应该更大胆才对但实际操作中反而偏保守。不过仔细想想这不是保守是对能力边界的清醒认知。在我非常熟悉的领域我的验收经验、对内部框架的理解程度比AI做所谓的测试要可靠得多。我知道哪里容易出坑、哪些边界条件必须覆盖、什么样的代码结构是符合项目规范的。AI写出来的东西我扫一眼就知道靠不靠谱改起来也快。这种情况下让AI做执行、我做把控效率是最高的。反过来如果是一个我不太熟的技术栈我反而可能让AI更自由发挥——因为我自己也不知道最佳实践是什么不如让AI先出一版我再边学边调。沉淀SKILL从单次提效到可复用能力AI开发最容易被忽略的一步是沉淀。很多人用AI写代码写完就完了下次遇到类似需求还是从头聊起AI还是会犯同样的错还是要来回拉扯好几轮。这其实是浪费。我的做法是当同类模块用AI完整闭环落地过几次之后就把过程中积累的经验、踩过的坑、有效的提示方式、特定的代码规范一起提炼成一个SKILL或者Workflow。下次再来同类需求直接加载这个SKILLAI一上来就跟我的能力对齐了——不用再反复解释项目背景、不用再纠正代码风格、不用再强调那些它总忘的边界条件。这才是AI开发真正的复利所在。第一次用AI是省时间第N次用AI是造能力。别陷入工具主义的陷阱聊到这里必须补一个提醒别把AI开发变成工具收藏癖。我见过不少人每天的主要工作不是写代码而是折腾各种AI工具——这个模型试一下那个插件装一下新出的IDE插件赶紧体验prompt技巧收藏了一大堆真正落地的项目没几个。看起来很忙实际上是在用学习新工具的快感逃避解决真问题的困难。这就是工具主义陷阱把手段当成了目的。怎么判断自己是不是陷进去了有一个简单的标准你最近一次用AI解决的真实业务问题是什么它带来了可衡量的产出吗如果答不上来或者答案总是还在试那大概率已经在工具主义的边缘了。我的建议是给自己定一条规则每学一个新工具或新方法必须绑定一个真实的业务场景落地。不用多一个就行。落地之后再判断这个工具值不值得继续投入、要不要沉淀成SKILL。没有真实场景绑定的工具学习都是无效投入。AI时代最稀缺的不是会用多少工具而是知道该用什么工具解决什么问题。这个判断力只能从真实项目里练出来靠收藏工具练不出来。最后说几句用了这么久AI辅助开发我最大的感受是AI没有让软件工程的底层逻辑发生翻天覆地的变化该做的设计、该拆的模块、该把的关一样都少不了。变的是分工——开发者从写代码的人变成了拆需求、定方向、做验收的人。以前写代码是核心能力以后架构能力、需求分析能力、任务拆分能力才是真正的护城河。这些能力AI替不了你反而会把它们的价值放得更大。所以我的建议很简单别纠结AI会不会取代程序员这种问题也别沉迷于一句话生成一个应用的幻觉。找一个你熟悉的领域从一个小模块开始跟AI结对编程跑通几个完整闭环然后把经验沉淀下来。当然也鼓励在不熟悉的领域先Vibe摸索——先用AI快速出一版原型跑通基本流程再在迭代中逐步对齐行业最佳实践。这才是AI开发真正务实的打开方式。其它原文在我的飞书知识库内AI Coding的打开方式我的AI积累笔记也包含了其它的学习知识、思考笔记、实践记录Being的AI积累。