夜雨聆风这周写了好几篇关于AI的文章，后台收到不少私信。有一条让我印象很深，一个做了五年Java后端的程序员说，他也想学AI编程，试了好几个工具，Cursor、Copilot、通义灵码都装了，但就是用不顺手。每次让AI写代码，出来的东西跟自己想的差很远，改的时间比自己写还长。他问我是不是自己方法不对，或者年纪大了学不动了。
我跟他说了一句可能有点反直觉的话——不是你的问题，是工具的问题。
这不是安慰你，这是我用了大半年AI编程工具之后的真实感受。
先说为什么很多人用不顺手。
大部分人第一次用AI编程工具的方式是这样的：打开工具，开始写代码，遇到不会的地方就问AI，AI给了一段代码，复制粘贴进去，跑一下，报错了，把报错丢给AI，AI说已修复，再跑一下，又报错了。来来回回几次，就觉得AI不靠谱，还不如自己写。
这个体验的问题出在哪？不是AI不够强，是你用它的方式不对。你把AI当成了一个"你问它答"的搜索引擎，但它真正强大的是当你给它一个完整的任务，让它自己去规划、去执行、去验证。
这就像你招了一个能力很强但需要明确指令的实习生。你跟他说"帮我写个函数"，他就写了个函数，但你没说参数类型、没说返回值、没说异常处理，他只能按自己的理解来，结果跟你要的不一样。你怪他能力不行，但其实是你没给清楚需求。
但话说回来，为什么明明AI很强，大部分人却用不好？我觉得有几个层面的原因。
第一个层面，工具的交互方式有门槛。现在的AI编程工具，大部分还是以对话为核心交互方式。你得想清楚怎么描述你的需求，怎么拆解任务，怎么给上下文。这件事听起来简单，做起来难。你想让AI帮你做一个功能，你得描述清楚这个功能是干什么的、输入是什么、输出是什么、边界条件是什么、异常情况怎么处理。很多人不习惯这种"写需求文档"式的沟通方式，他们更习惯想到哪写到哪。
这不是你的能力问题，是工具的交互设计还没有做到足够自然。真正好的工具，应该是你不需要学怎么用它，你按照直觉操作就行。但现在的AI编程工具，离这个目标还有距离。
第二个层面，工具的上下文管理不够智能。AI要帮你写好代码，它需要理解你的项目——你的代码结构、你的技术栈、你的编码规范、你的业务逻辑。但现在大部分工具的上下文管理还是比较粗糙的，你需要手动告诉它项目背景，手动选择哪些文件给它看。如果你的项目比较大，你不可能把所有代码都丢给它，你得自己判断哪些文件跟当前任务相关。这个判断本身就需要经验。
我看到有团队在做"AI上下文工程"，就是系统性地把项目的上下文整理成AI能读的格式。他们把项目信息分成四层：代码层（清理死代码、显化依赖）、规范层（接口契约、编码规范）、知识层（项目决策记录、领域知识）、验证层（自动化测试）。这四层做到位了，AI的准确率从40%提升到85%以上。
但这个工作量不小，不是个人开发者随便就能搞的。所以大部分人的AI编程体验，还停留在"给了上下文也不够全，AI还是会出错"的阶段。
第三个层面，也是最根本的——工具还在快速迭代，今天的不好用不代表明天也不好用。
想想2023年那会儿，GitHub Copilot刚出来的时候，它基本上就是一个高级的代码补全工具。你写一行它补一行，偶尔帮你生成一个函数。那时候很多人觉得AI编程就是噱头，实际用起来也就那样。
但到了2026年，AI编程工具已经能独立完成工程级任务了。Cursor的Agent模式可以同时跑多个任务，Claude Code能读取整个代码库做架构分析，Trae的中文理解准确率到了98%。三年前你觉得不好用的东西，现在可能已经完全不一样了。
所以如果你半年前试过AI编程工具觉得不好用，我建议你现在再试一次。工具的迭代速度比你想象的快得多。
但我也想说实话。虽然工具在进步，但目前这个阶段，用AI编程确实还是需要一定的学习成本的。你得学会怎么描述需求、怎么拆解任务、怎么给上下文、怎么验证AI的输出。这些东西不难，但需要时间练习。
我自己的经验是，大概用了两三周，就能比较熟练地用AI编程了。刚开始肯定不顺手，写的需求描述不够清楚，AI给的代码经常不对。但用了十几次之后，你就慢慢摸到规律了。什么类型的任务AI做得好，什么类型需要你给更多上下文，什么类型最好自己写。
有人说学AI编程就像学一门新的编程语言。你不能指望一天就会，得给自己时间。但跟学编程语言不同的是，学AI编程的门槛低很多。你不需要记语法、不需要背API，你只需要学会怎么跟AI沟通。而跟AI沟通这件事，本质上就是想清楚你要什么，然后用人话说出来。
这其实是一个很好的能力，不光用在编程上。你做任何事情，如果能想清楚自己要什么，然后准确地表达出来，这件事已经成功了一半。AI编程工具只是把这个能力的重要性放大了。
还有一个我想说的。很多人觉得学AI编程需要很强的技术背景，其实不一定。我看到很多非程序员用AI做出了很不错的作品。一个完全不懂代码的人，用Antigravity加Vercel，五分钟就把一个小游戏从想法做到了上线。另一个非程序员，用TRAE从零做出了一个全平台上线的修仙割草游戏。
这些人能做出来，不是因为他们技术多强，是因为他们知道自己要做什么。他们把需求想得很清楚，然后让AI去实现。AI负责写代码，他们负责做判断和决策。
所以如果你觉得自己学不会AI，不要怀疑自己的能力。可能只是你用的方式不对，或者你试的工具不适合你。换一个工具试试，换一种方式试试，可能就通了。
我看到一句话说得特别好：AI降低了门槛，但没有提高天花板。意思是说，AI让入门变得容易了，以前你不会写代码就做不了东西，现在不会写代码也能做。但要做好，还是需要你的判断力、创意和经验。这些东西AI给不了你，只能靠你自己积累。
所以我的建议是，不要怕，不要等，现在就开始用。先用最简单的场景试，比如让AI帮你写个脚本处理Excel数据，或者帮你写个小工具。用顺了之后再试更复杂的。每个工具都试一下，找到最适合你的那个。不要因为一次不好的体验就放弃，工具在进步，你也应该在进步。
学不会AI不是你的问题。但如果因为一次不顺手就放弃，那就是你的问题了。
这周写了七篇文章，从AI写代码踩坑到UI设计到重构屎山到接外包到工具横评到做小游戏全记录再到这篇。基本上把我这半年用AI做开发的体验都写出来了。不是什么教程，就是我一个做了三年小游戏的开发者的真实经历。如果能对你有一点帮助，我就没白写。
下周会继续更新，方向可能转向更具体的实战项目拆解，也可能聊聊AI在小游戏运营和推广上的应用。你们想看什么方向，可以在评论区告诉我。
这个号会一直写下去，记录我用AI做开发的每一步。不是新闻搬运，不是工具测评，是我自己下场干的真实经历。成也好败也好，都如实写出来。
关注我，一起搞AI。我们下周见。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐
谢谢你看我的文章，我们，下次再见。
/ 作者：飞哥