夜雨聆风大家好，我是 AI 探险家 Jason。 今天我们来谈谈 AI 编程。
AI 编程，最重要的是动手开始做！
先把东西做出来，再优化迭代，过程中我们不断学习，成长，沉淀经验。
初期，我们不需要纠结原理，理解代码。要学会的第一个技能就是：讲清楚需求，让 AI 能充分的理解，再经过多轮对话不断优化，验证效果和修复缺陷，循环往复，直到成品落地。
AI 编程工具
目前 AI编程主流的工具是：Cursor、Codex 和 Claude Code；前 2 者都是 AI 代码编辑器，新时代的 IDEA；后者是 AI 命令行工具，当然还有小米家的 MIMO，无线上下文，中文友好。接下来大概介绍一下这三种 AI 编程工具，大家可以自行选择，也能都尝试尝试。
Cursor 是一款基于 VS Code 开发的人工智能代码编辑器，它保留了 VS Code 强大的功能和生态体系，专注于集成 AI 技术，界面友好。国内的相同功能产品有：阿里的 Qoder、字节的 Trae，都是新一代的 AI 编程原生开发环境。
Codex 是 OpenAI 公司推出的智能编码工具，可以原生的集成 ChatGPT。
Claude Code 是终端编程 Agent，可以处理极其复杂的代码工程，可以通过一些插件集成到 VS Code 或者 IDEA 中，进行使用。
AI 编程技巧
选择好我们的 AI 编程工具后，可以加入一些 MCP 或者 Skills，来给我们的 AI 编程工具增添羽翼，让它更加强大。
简单介绍一下 MCP 和 Skills 是什么，解决了什么。
MCP 相当于一个万能拓展坞，使你的 AI 工具可以连接到任何的外部服务。比如，通过 MCP 服务，让 AI 调用帮你查询数据库的业务数据；或者通过 MCP 服务帮你把文字手稿，转换为精美的 PPT。
SKills 顾名思义，技能。它相当于让你的 AI 学会了各种武林功法。比如如何生成 PPT，如何处理 Excel 的数据，如何安装要求生成文档，它可以让 AI 做一件事情时，调用这个技能包，规范 AI 的行为和方法，使他干的更好！具备更多的能力。
AI 编程心法
动手开始之前，首先想清楚自己要做什么？明确自己的核心目标和解决什么问题，要具体哪些功能。最终将大的需求一步步拆解成小的需求，让 AI 每次都只完成一个小功能，做完后我们直接验证功能，没问题开始下一个。比起上来，直接说帮我做个售票系统的订单管理页面，让 AI 自己去想都要做什么，自己设计自己实现，不如告诉它要具体的功能点，让它帮你实现。需求先行，想清楚再动手。
好的提示词，可以让你事半功倍。通常一份好的提示词要包含：告诉 AI 它的身份是什么？现在它要做什么事情，事情的背景是什么样的？以及当天针对现状背景，你的需求是什么？具体要实现哪些功能。以及做的时候，对成果有哪些约束条件，比如页面要蓝色的背景，最后告诉它要输出什么，格式是怎样的？当我们遇到复杂功能点时，给 AI 举例子，它会更容易理解。
在代码工程开启的第一步，我们通常都要生成一个项目的规则文件，无论是 claude.md 还是 agents.md，所有主流的 AI 工具都支持在其内部写入项目的技术栈，编码规范，以及项目目录说明，和核心的规则约束与项目目标，AI 在生产代码时候，就会自动遵守这些约定。
在我们开发过程中，功能的缺陷是不可避免的。无论是人还是 AI，都要学会如何去排查问题，解决问题。想 AI 描述缺陷时，要直接了当的告诉它哪里错了，告诉它现状是什么样子的，我们期望的是什么样子的，并且提供给他报错的信息，可以直接粘贴复制过来，让它进行分析原因，我们确认后再动手改代码。遇到某些复杂的问题，或者 AI 掉进了一个黑洞里，理解一直是错误的无法出来，那我们就要多尝试，是不是自己表述有问题，或者换个角度去表达描述问题，也想就迎刃而解了。
如果上述的问题还是没有解决，且代码越改越糟糕，这时候就到了 Git 发挥作用的时候了。Git 是什么呢？代码版本管理工具，你可以理解为它是一个照相机，每次你提交代码它都会存个快照，如果你对当前的代码不满意，就可回到上一次拍照的时刻，把代码回滚。当然 Git 是完成可以使用命令行操作的，也就意味着你也可以用 AI 来帮你提交代码，保留原始版本，防止 AI 把代码改崩了回不去。
说了这么多，总结一下：实际上我们要做的事情就是：按照需求拆解功能，确认方案，和 AI 对话，逐步实现，验证功能和改进优化，每次完成一个小功能时，使用 Git 提交一次代码，记录我们的成果。保障后续出问题能随时回退回来，然后接着下一个功能，循环往复。这就是 AI 项目开发的整理流程。
开发完后，我们可以对自己的项目部署上线，让所有人都能访问到它。当然也有免费的平台供我们部署自己的项目，不一定要花钱去买云服务器，比如我的博客网站就部署在 GitHub Pages，这里我更推荐 Vercel，免费的额度个人使用完全够用，部署的速度也非常快，且它在全球都有 CDN，访问也不会出现像 GitHub Pages 卡顿的情况，使用起来也很方便，使用 Git 推送即能实现部署。你只需要有一个 GitHub 账号，和你的项目即可。把代码推到 GitHub 仓库，就能实现部署。当然，如果你有自己的域名也可以配置上自己的域名。
AI 编程进阶
智能体工程：核心是我通过编排 AI 智能体，设计好系统的架构和规范约束，让每个 AI 智能体各司其职，我们当老板，AI 给我们工作，我们只负责项目验收和质量检验，从一步步和 AI 进行复杂需求功能点的交流，脱离出来。实现真正的解放双手。
上下文工程：这时候我们就要考虑上下文预算设计，哪些信息要常驻保留，哪些信息要按需加载；建立自己的决策日志，把层级犯过的错误踩过的坑记录下来防止重复发生，窗口管理策略，何时可以开启新的对话，什么时候需要对已有的对话压缩，进行文档的沉淀等。
驾驭工程：养完龙虾又养马，继龙虾后又大火的 AI 概念。本质上是：提示词让我们给好的给 AI 表达指令，让 AI 有自己的身份，思维方式，输出的成果的约束条件等。其次，上下午功能，解决了如何提供信息给 AI，通过 Agents.md ，以及记忆功能，相关的检索和压缩，让 AI 能记住的信息更多，更好的去实现功能。最后则是驾驭工程，它在 2 者的最外层，给 AI 提供了工具调用，任务编排，和反馈机制，以及架构护栏，把 AI 的操作框在一个有界的范围内，马越养越顺手。
SDD 规范驱动开发：这是一种新的开发思想，在开始动手前，我们要先做好战前准备，创建明确的，AI 能直接理解和执行的规范文档，比如需求规范，代码约束。区别于传统的开发，在实践中不断优化迭代，最后形成文档。先搞文档，明确后再动手。
写在最后：
这个时代不缺乏实现的方式，稀缺的是我们的创意；
AI 编程动手实践很重要，比起空泛的学习概念，不如直接开始，遇事不决可问大模型！
