夜雨聆风学习资料网

ARTICLE · 1241075

用 AI 写代码半年,我感觉活越干越快

用 AI 写代码半年,我感觉活越干越快

现在 AI 编程工具一抓一大把--WorkBuddy、Codex、Claude Code、CodeBuddy......个个都号称能让你效率翻倍。但用下来我感觉:有了工具,不等于立马就提效了。

工具只是起点,会不会用,才是拉开差距的地方。同一个 AI,有人用得飞起,有人用得一肚子气--区别不在工具,在人。

同样一个小需求,半年前我得折腾一下午,现在半小时搞定。不是工具变强了,是我终于摸清了怎么跟它配合。

最大的变化是心态:一开始我把它当「代码生成器」,自己写 prompt、自己跑、自己验证,累得够呛;现在我把它当「能自己动手、自己验证的搭档」--这一步转变,效率直接翻了几倍。

这篇就聊聊几件我自己天天在用、真能省时间的小事。

别把 AI 当打字机,
要把它当那个「写完会自己检查一遍」的人。

🔁 一、最大的提效:让它自己验证,别自己盯

这是我感受最深的一条。以前写完代码,我得自己打开页面点一遍、自己拉数据查一遍、自己看结果对不对--大把时间耗在「验证」上。

现在我把验证这件事直接交给 AI:

写完立刻自测

它写完一段逻辑,我下一句就是「给这段写个测试,把空值、边界情况都覆盖上」。这一步会逼它把自己刚写的东西重新想一遍,常常在我还没运行之前,漏洞就自己暴露了。

让它真的去点、去跑

界面改动,我让它用自动化工具真的打开页面、点按钮、截图对比;数据改动,让它跑完自己读结果、自己看日志报错。它能看到真实结果,才能自我纠错,而不是闭着眼睛瞎写。

改动前截一张、改动后截一张,UI 变没变一目了然。

把「必须通过验证」直接写进你的要求里。
AI 一旦知道「改完要自己跑测试、看结果」,低级错误会少一大半--从源头上就不用你返工。

🧩 二、小步快跑,别让它一次改一大坨

我吃过亏:让 AI 一口气改一大片,错了之后根本找不到是哪儿出的问题,只能推倒重来。

后来改成「方案 → 动手 → 验证」三步走,一次只改一件事。每一步都能验、能回退,出问题精确定位。

先列步骤再动手

复杂点的活,先让它把计划列出来--要动哪些地方、有没有边界情况、会不会影响别的模块。规划阶段花十分钟,能省掉后面一小时排错。

只喂相关的几个文件

别把整个项目全塞给它。只给相关的两三个文件加上报错信息,它反而更聚焦、更准--上下文太多,它容易被无关的东西带偏。


💬 三、话说得越具体,它干得越对

很多人觉得 AI 不好用,其实是「话没说清」。模糊,是 AI 和人都最怕的东西。

现状 → 期望 → 范围

别说「这不对」,要说清「现在是什么样、我想要什么样、只改哪儿不动哪儿」。这三段说清楚,一次就能到位。

反馈给具体数字

「问题从 196 条降到 138 条」,比「好像对了」有用一百倍。具体的数字,是最省事的沟通。

框死输出格式

「只给我改后的那段,别解释」「分三步说原因」。先把格式框死,比拿到结果再反复追问快得多。


📄 四、聊清楚的东西,一定要沉淀成文档

这条我特别想强调。很多时候需求是在对话里一点点聊明白的--边界怎么定、为什么这么改、哪些坑绕开了。聊完很爽,但过两周全忘了。

需求讨论清楚后,随手把结论沉淀成一份文档:当初为什么这么定、边界在哪、踩过哪些坑。
后续复盘、出问题回溯、或者下次做类似的事,翻出来就省一大截。

更进一步,我会把这些攒成一份「项目规则文件」--技术栈、目录职责、还有「AI 反复犯的错」,全写进去。每次发现新坑就补一条。

神奇的地方在于:这份文件越厚,AI 犯错越少。你等于把自己的经验「喂」给了它,它一次比一次懂你。这种投入是复利的--一次写下,长期受益。


🐞 五、修 bug,把它当调试搭档

完整报错 + 最小复现

把完整的错误信息原样贴给它,让它先解释、给假设。AI 解释报错的能力真的强,很多时候我自己卡住的点,它一句话就点透了。

一次只改一处

一次只应用一个修复,再重测。改太多就说不清是哪条起的作用,定位反而更难。


🌬️ 写在最后

这半年下来,我最想分享的其实不是哪条技巧,而是一个心态上的转变--

别再盯着「AI 出了多少代码」,
要看「它帮你省下了多少自己动手验证的时间」。

把验证交给它、把话说具体、把聊清楚的东西沉淀下来--做好这几件,AI 就从一个「偶尔好用」的工具,变成一个能替你跑腿、还会自己检查的靠谱搭档。

提效这事,从来不是靠它多聪明,而是靠你会不会用。共勉。

- 去外头站着 -
累了就出来透透气,一起停止内耗 🌬️

你用 AI 写代码,有什么自己的提效小招?评论区聊聊 👇

相关学习资料