夜雨聆风AI 编程的 10 个致命坏习惯，你中了几个？
为什么有人用 AI 效率提升 10 倍，有人反而变慢？
过去 3 个月，我每天用 AI 编程，从最初的新鲜感，到中间的迷茫，再到现在的得心应手。我踩过太多坑：有时候 AI 生成的代码看似完美，跑起来却 bug 满天飞；有时候我把整个项目丢给 AI，结果它给出的建议完全不靠谱；有时候我为了省事不写 prompt，最后花 3 倍时间调试。
AI 不是银弹，用不好就是毒药。
今天我把这 3 个月踩过的坑，总结成 10 个致命坏习惯。如果你中了 3 个以上，说明你的 AI 编程方式需要调整了。
坏习惯 1：完全依赖 AI，不自己思考（⭐⭐⭐⭐⭐）
典型案例： 我刚开始用 AI 时，遇到问题直接把错误信息丢给它，它给什么代码我就复制什么。有一次，AI 给我写了一个异步函数，我没仔细看就用了，结果整个应用的数据流全乱了——因为它用的是 Promise，而我的项目基于 async/await。
正确做法：
AI 给出方案前，先自己想 30 秒：这个问题本质是什么？ 看懂每一行 AI 生成的代码，不懂就问"为什么这样写" 把 AI 当助手，不是当外包：它提建议，你做决策
金句 1：AI 是你的副驾驶，不是自动驾驶。方向盘永远在你手里。
坏习惯 2：不写 prompt，直接让 AI 猜（⭐⭐⭐⭐⭐）
典型案例： "帮我写个登录功能"——这种 prompt 我早期用过无数次。结果 AI 给我的代码要么太简单（没有表单验证），要么太复杂（上了 JWT+OAuth2），没有一次是我真正想要的。
正确做法： 用结构化 prompt 模板：
【背景】我的项目是 Node.js + Express + MongoDB【需求】实现用户登录功能【要求】1. 使用 bcrypt 加密密码2. 登录成功后返回 JWT token3. 需要邮箱和密码验证4. 错误处理要友好【约束】不要用 TypeScript，用原生 JavaScript金句 2：prompt 的质量，决定 AI 输出的质量。懒人永远得不到好代码。
坏习惯 3：不 review AI 生成的代码（⭐⭐⭐⭐⭐）
典型案例： 有一次 AI 给我写了一个数据库查询，我直接复制运行。上线后才发现，它没有加索引，数据量一多查询就超时。如果当时我花 1 分钟 review，就能发现这个问题。
正确做法： 建立代码 review 清单：
有没有安全漏洞（SQL 注入、XSS 等）？ 性能有没有问题（循环查询、缺少索引）？ 错误处理是否完善？ 代码风格是否和团队一致？ 有没有过度设计？
AI 生成的代码，必须当新人代码来 review。
坏习惯 4：一次让 AI 做太多事（⭐⭐⭐⭐）
典型案例： "帮我重构这个项目，优化性能，加单元测试，再写文档"——这种需求 AI 根本处理不了。它会给出一堆泛泛而谈的建议，没有一条能落地。
正确做法： 拆解任务，逐个击破：
先让 AI 分析性能瓶颈在哪里 针对瓶颈 1，让 AI 给出优化方案 针对瓶颈 2，重复步骤 2 性能优化完成后，再让 AI 帮写测试 最后再让 AI 生成文档
大任务拆成小任务，每个任务都能验证结果。
坏习惯 5：不保存好的 prompt（⭐⭐⭐⭐）
典型案例： 我花了一小时调教出一个完美的 prompt，能让 AI 生成符合团队规范的代码。第二天需要同样功能，我却忘了那个 prompt 怎么写，又重新花了一小时。
正确做法： 建立 prompt 库（我用的是 Notion）：
【代码生成类】- Node.js API 模板 prompt- React 组件模板 prompt- 数据库查询优化 prompt【代码 review 类】- 安全检查清单 prompt- 性能优化建议 prompt【调试类】- 错误分析 prompt- 日志解读 prompt每次写出好 prompt，花 30 秒保存，下次直接复用。这是复利投资。
坏习惯 6-10：快速清单
坏习惯 6：历史对话不清理，上下文爆炸（⭐⭐⭐）
AI 对话超过 20 轮后，上下文会变得混乱。我现在的做法：每完成一个任务，就开启新对话。重要信息（如项目结构、技术栈）用固定 prompt 开头重新告诉 AI。
坏习惯 7：不统一团队 AI 使用规范（⭐⭐⭐）
团队里有人让 AI 写注释，有人不让；有人用英文 prompt，有人用中文。最后代码风格五花八门。解决方案： 制定团队 AI 使用公约，统一 prompt 模板和输出规范。
坏习惯 8：迷信全能大模型，不懂分工（⭐⭐）
不是所有任务都需要用最强的模型。我的分工策略：
写代码、debug：用 Qwen3.5-Plus 简单查询、解释概念：用轻量模型 创意写作、文档润色：用专门优化过的模型
好钢用在刀刃上，成本降一半。
坏习惯 9：不让 AI 先"学"项目（⭐⭐）
直接让 AI 改代码，它可能不理解项目结构。我的做法：先让 AI 阅读关键文件（package.json、目录结构、核心模块），再让它给建议。磨刀不误砍柴工。
坏习惯 10：忽略 AI 的能力边界（⭐）
AI 不是万能的。以下场景不要指望 AI：
需要业务深度理解的决策 涉及敏感数据的处理 需要人类直觉的创意工作
知道 AI 不能做什么，比知道它能做什么更重要。
我的 AI 编程工作流（实操指南）
经过 3 个月实践，我沉淀出这套工作流：
第一步：任务拆解（5 分钟） 拿到需求后，先自己拆解成 3-5 个小任务。每个任务应该能在 30 分钟内完成并验证。
第二步：选择工具（2 分钟）
写新代码 → 用 AI 生成模板 改 bug → 用 AI 分析错误信息 优化性能 → 用 AI 给建议，自己实现 写文档 → 用 AI 润色
第三步：编写 prompt（3 分钟） 用结构化模板：背景 + 需求 + 要求 + 约束。如果这个任务以后还会遇到，把 prompt 保存到库里。
第四步：生成 + Review（10-20 分钟） AI 生成代码后，逐行 review。重点检查：安全性、性能、可读性。有问题立即让 AI 修正，不要自己改（否则下次它还犯同样错误）。
第五步：测试验证（10 分钟） 运行测试，确保功能正常。如果有 bug，把错误信息反馈给 AI，让它分析原因。
第六步：沉淀复盘（5 分钟）
这个任务的 prompt 是否值得保存？ AI 的表现如何？哪些地方需要改进？ 下次类似任务可以怎么优化？
金句 3：好流程不是束缚，是让你把精力花在真正需要思考的地方。
结语 + 互动
AI 编程不是"会不会用"的问题，而是"会不会好好用"的问题。
这 10 个坏习惯，我每个都踩过。有的让我加班到深夜，有的让线上出了事故。但正是这些坑，让我慢慢摸索出正确的使用方式。
AI 不会取代程序员，但会用 AI 的程序员会取代不会用的。
现在轮到你了：
这 10 个坏习惯，你中了几个？
在评论区告诉我，或者分享你踩过的 AI 编程坑。我们一起避坑，一起进步。
如果你觉得这篇文章有帮助，转发给团队里那个"什么都问 AI"的同事，他可能需要。👋
小爪的 AI 编程军火库
下期预告：《我的 10 个私藏 AI 编程 prompt，直接复制就能用》 想看更多 AI 实战？关注我，每周更新
