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。
为什么这么说，因为我不是一个后端程序员，其实无法理解 AI 为什么会在表设计里，或者接口上加上 refresh_token，对于 access_token 和 refresh_token 的关系，我也是不明白的。
所以其实 AI 时代，更加要求开发者的水平，开发者水平的高低实际决定了 AI 输出的质量。
所以 Github Copilot 的名字取得很好，是 Copilot，而不是 Pilot，真正的驾驶员是人类。AI 是 Yet another tool.
但程序员本身对问题领域不熟悉，或者不太清楚要用什么方式来解决，AI 很可能输出的代码是不太可用的，比如会出现库的版本兼容问题，或者解决思路本身就不对，这时候需要人类的引导，告诉 AI，应该从哪里开始查看问题，有哪些方面会出问题，如果完全依赖 AI 通过读代码来解决，现在是有极大几率找不到问题的关键点在哪，导致无法解决。也许以后会有改善。
我们如何利用 AI
继续以上面的例子来说，这时候初级程序员或者对某一方面不熟悉的程序员，就要被 AI 替代了吗，也不完全是，因为正好因为有 AI，我们可以向它询问 refresh_token 的用途，对这个东西进行解释，也就意味着，我们拥有了一个很全面的老师，可以问任何我们不理解的地方，让它解释。
这其实是对程序员一个很大的影响点，因为我们有能力做到使用不熟悉的技术栈做需要做的事情，也可以学习到已知技术栈里的更多细节。
但这也有个两个前提存在：
- 提问的能力
- 你不知道你所不知道的
所谓的利用 AI，也就是提高这两个前提的能力。
提问的能力无需多说，如果不会提问和描述问题，AI 是无法给出很好的答案的，虽然 AI 的交互基本都是以聊天式来进行的，但其实一开始就提供好上下文，具体要求，效率是更高的，类似在 reddit 或 github 发帖求助类似。
第二点按字面来说，不是一种能力，而是局限，因为如果我们不知道一个东西，也就不可能问出相关的问题，比如一个初级工程师，可能不会问出提高 jwt 安全性的要求，因为他可能并不知道这里会有安全问题。
所以第二的是非常重要的，在 AI 辅助编程的时候，我们更需要加强自身对于编程的了解广度和深度，这也是回到上面那句开发者水平的高低实际决定了 AI 输出的质量。
但是提高的方式也变了，我们不仅可以通过看书，写代码，更多的可以通过与 AI 交互式的写代码，来提升自身的能力。
比如 jwt 需要做双 token 机制，并且通过 http-only cookie 下发 refresh_token，如何做 token 黑名单，更加加强 token 安全性，可以基于 refresh_token 吊销设备登录状态，都是通过使用 AI 来写而学到的东西。这种学习效率是比以前要快上 10 倍不止，因为以前很可能如果我们不做后端，也没有在一个有这样需求的公司待过，基本上职业的前几年可能并不能接触到这种细节。
因此 AI 的能力和程序自身的能力是相辅相成，有加速人类能力的作用。
AI 辅助编程对普通从业人员的影响几何
我们的开发模式已经发生了改变。自己的体会有几点：
- 不再需要写简单的重复代码，模板代码，而是交给 AI 输出，人类 review
- 更注重于软件架构和设计，而不完全是具体的实现
- 可以使用多个 AI 模型，来对代码进行修改，优化
- 从 AI 输出代码学习到自己不熟悉的编码和实现方式
- 可以简单完成自己不熟悉的技术栈的代码
可以说，在实际开发中，初级的，重复的活都已经可以尝试使用 AI 来完成，比如前端布局，样式，后端 CRUD 操作，AI 完成基本是没有什么问题的。
行业对于从程序员的要求的变化，其实不是替代，而是程序员如何更好地使用 AI.
由于 AI 的存在，我们应该更多地使用它，让它快速地教会我们还不熟悉的东西，然后反过来让它可以输出更好的代码，更好的代码不是 AI 可以自动输出的，而是建立在程序员自己的经验和认知上的，这是重点。
而我们无需担心 AI 会替代人类的原因也是如此，应该通过 AI 加速自身的学习速度。
因此，也许以后 3-5 年经验的程序员，实际的水平是现在 10 年工作经验人的水平，因为一切都在加速。
AI/acc.
总结
- 频繁使用 AI 开发项目，从中学习到知识，架构和实践方式
- 扩展知识面，从前端到后端，到底层开发，到网络应用开发
- 注重架构，设计等方面
- 有更好的提问技巧