近期比较多地使用了 AI 来辅助编程，可以分为以下几点来讨论： 现在 AI 辅助编程的水平如何 我们如何利用 AI AI 辅助编程对普通的从业人员的影响几何 AI 水平如何 在实际体验中，以 Claude 3.5 Sonnet 为例，AI 可以完成从项目搭建到具体的功能开发，并且可以输出不逊色于一个 3-5 年的中高级工程师水平的代码，如果有更详细的要求，则它输出的代码可以更有结构和符合常见的软件工程实践。 如果说到这为止，而不说任何前提，那么我们很容易得出一个令人焦虑的结论，便是 AI 是不是要替代程序员的工作了。这种论断是一种不负责任的说法，因为它既没有说明替代的时间，也没有具体的替代过程。AI 是替代哪一方面，还是说只需要我们描述一段话，AI 就可以自主完成所有的工作。 显而易见，只要有亲自尝试过现在 AI 编程的人，都无法得出以上的结论。如果以预测未来的视角来看，也是无意义的，因为这需要时间，历史上的很多事情都在变迁，技术在发展，也许有一天某个工种不再存在，但这于一个善于学习，愿意学习的人，可能并不是一个问题。计算机的世界本就如此。技术变化后，不是人失去工作，而是同一批人做了不同的工作。 由于 AI 编程能力的增强，现在 zed, cursor 等编辑器已经整合了 AI 到开发工作流当中。 AI 读懂现有代码后，进行功能开发，基本是能较大的符合当前的仓库代码设计和要求的，不需要对代码做非常多的调整。所以有更大的 context length 的模型便有很大优势。Claude 3.5 的 200k 的上下文基本能满足不少的代码仓库了。 特别是如果需要使用不熟悉的技术栈来实现东西时，比如前端程序员需要开发后端，AI 已经完全可以写出有很好实践的项目结构，表设计的后端项目。 但这一切都有一个前提，就是它需要人描述好需求，不仅仅是说功能是怎样的，还包括技术细节，如果我们忽略技术细节的描述，AI 输出的代码可能不是我们需要的，这时候需要多轮的交互，来让它产生符合预期的代码。 一个简单的例子，我们需要实现一个基于 JWT token 的登录认证流程，使用不同的 prompt 会有些微的差别（prompt 差别在现在的 AI 能力下，已没有那么重要了）。 Prompt 可能的效果 基于 JWT 实现登录认证流程 可以输出可工作的代码 基于 JWT 实现登录认证流程，考虑最佳实践 有安全考虑，比如加上 refresh_token 这里的问题不在于 prompt 的差别带来了不同程度的代码，在于 AI 输出了这些可以工作的代码后，人类如何使用。 ...