1. 三年前那個(gè)“玩具”到底能干什么2023年前后我第一次認(rèn)真把AI編程工具拉進(jìn)日常工作流。當(dāng)時(shí)的心態(tài)很樸素讓它幫我補(bǔ)全幾行樣板代碼省得我翻文檔。那個(gè)階段的工具本質(zhì)上是一個(gè)“高級(jí)自動(dòng)補(bǔ)全器”——你寫個(gè)函數(shù)名它猜你想干什么然后吐出一段看起來像那么回事的代碼。你稍微較真一點(diǎn)它就開始胡編不存在的庫、拼錯(cuò)的API、邏輯上自相矛盾的邊界條件全都能給你整出來。我印象特別深的一次是讓它寫一個(gè)讀取本地CSV并做簡(jiǎn)單聚合的腳本。它給出的代碼里pandas的read_csv參數(shù)寫錯(cuò)了groupby后面跟的聚合函數(shù)名也不對(duì)。我花了二十分鐘改它的“作品”最后發(fā)現(xiàn)還不如自己從頭寫快。那時(shí)候圈子里有個(gè)共識(shí)AI編程就是個(gè)玩具能幫你寫寫正則、生成點(diǎn)測(cè)試數(shù)據(jù)真到生產(chǎn)環(huán)境你還得自己兜底。但到了2026年情況完全變了?，F(xiàn)在我用AI編程工具處理一個(gè)中等復(fù)雜度的后端模塊從接口設(shè)計(jì)到數(shù)據(jù)庫查詢?cè)俚疆惓Ｌ幚硭芤淮涡越o出接近可用的代碼我只需要做代碼審查和少量調(diào)整。這個(gè)變化不是線性的中間有幾個(gè)明顯的拐點(diǎn)。這篇文章我想把這三年我親身經(jīng)歷的進(jìn)化路徑拆開講清楚它到底從“玩具”變成了什么哪些能力是真正質(zhì)變的哪些坑到現(xiàn)在還沒填上以及作為一個(gè)普通開發(fā)者你現(xiàn)在應(yīng)該怎么用它才不會(huì)被它帶偏。如果你是從python安裝教程、requests爬蟲這類關(guān)鍵詞搜進(jìn)來的新手也別急著劃走。我會(huì)用大量Python場(chǎng)景做例子因?yàn)镻ython生態(tài)是這波AI編程進(jìn)化里受益最明顯的領(lǐng)域之一。你不需要有很深的編程基礎(chǔ)我會(huì)把每個(gè)階段的能力邊界和實(shí)操方法都講透。2. 第一階段的真實(shí)能力邊界為什么它連requests都寫不利索2.1 那個(gè)階段AI對(duì)“庫”的理解是碎片化的2023年的AI編程工具對(duì)第三方庫的掌握方式是“見過很多代碼片段但沒真正理解庫的設(shè)計(jì)邏輯”。這導(dǎo)致一個(gè)典型問題它能把requests的常見用法拼出來但一旦涉及稍微冷門的參數(shù)組合就開始露餡。比如你讓它寫一個(gè)帶重試機(jī)制的HTTP請(qǐng)求它大概率會(huì)給你這樣的代碼import requests response requests.get(url, retry3)requests根本沒有retry這個(gè)參數(shù)。正確的做法是用urllib3的Retry配合HTTPAdapter或者用tenacity這類重試庫。但那個(gè)階段的AI不知道這些它只是從訓(xùn)練數(shù)據(jù)里“感覺”重試應(yīng)該有個(gè)retry參數(shù)。更麻煩的是錯(cuò)誤處理。你讓它寫一個(gè)爬蟲它給出的代碼往往沒有try-except或者except后面直接pass。你問它為什么它會(huì)說“這樣代碼更簡(jiǎn)潔”。這不是簡(jiǎn)潔這是不負(fù)責(zé)任。生產(chǎn)環(huán)境的爬蟲網(wǎng)絡(luò)抖動(dòng)、目標(biāo)站點(diǎn)限流、DNS解析失敗全是家常便飯。沒有健壯的錯(cuò)誤處理腳本跑十分鐘就崩。2.2 “exceeded retry limit, last status: 429”這類報(bào)錯(cuò)它當(dāng)時(shí)根本看不懂熱詞里有個(gè)exceeded retry limit, last status: 429 too many requests這是爬蟲開發(fā)者最常遇到的報(bào)錯(cuò)之一。429是HTTP狀態(tài)碼意思是請(qǐng)求太頻繁被限流了。2023年的AI工具看到這個(gè)報(bào)錯(cuò)給出的建議往往是“增加重試次數(shù)”或者“加個(gè)sleep”。但真正的問題在于你沒有遵守目標(biāo)站點(diǎn)的Retry-After響應(yīng)頭也沒有做請(qǐng)求頻率控制。我當(dāng)時(shí)的做法是手動(dòng)寫一個(gè)令牌桶限流器配合指數(shù)退避重試。AI能幫我寫令牌桶的骨架但退避策略和Retry-After的解析它總是漏掉。你得自己補(bǔ)。那個(gè)階段AI是一個(gè)“能幫你寫30%代碼但剩下70%你得自己來”的工具。它省的是打字時(shí)間不是思考時(shí)間。2.3 新手最容易在這個(gè)階段被帶偏我見過不少剛學(xué)Python的人用AI生成一段爬蟲代碼跑通了就以為自己會(huì)了。結(jié)果目標(biāo)站點(diǎn)一改結(jié)構(gòu)或者一限流整個(gè)人就懵了。因?yàn)樗麄儧]有理解requests的會(huì)話機(jī)制、沒有理解HTTP協(xié)議的狀態(tài)碼含義、沒有理解為什么需要設(shè)置User-Agent和Referer。AI在那個(gè)階段最大的危害是讓新手跳過了“理解問題”這一步直接拿到一個(gè)能跑的代碼。但這個(gè)代碼是脆弱的換個(gè)場(chǎng)景就廢。所以我一直建議用AI寫代碼可以但每一行你都要能解釋它為什么這么寫。解釋不了就去查文檔。查文檔的過程才是你真正學(xué)會(huì)的過程。3. 拐點(diǎn)出現(xiàn)在哪里從“補(bǔ)全”到“能讀懂整個(gè)項(xiàng)目”3.1 上下文窗口的擴(kuò)大改變了游戲規(guī)則2024年到2025年AI編程工具最實(shí)質(zhì)的進(jìn)步不是模型變聰明了而是它能“看到”的東西變多了。早期工具只能看你當(dāng)前打開的文件或者你手動(dòng)粘貼進(jìn)去的幾百行代碼。后來上下文窗口擴(kuò)展到能吞下整個(gè)中小型項(xiàng)目情況就完全不同了。這意味著什么意味著AI可以理解你的項(xiàng)目結(jié)構(gòu)、你的命名習(xí)慣、你用的框架版本、你已有的工具函數(shù)。它給出的代碼不再是“通用模板”而是“符合你這個(gè)項(xiàng)目風(fēng)格的代碼”。這個(gè)變化聽起來不大但實(shí)際體驗(yàn)是質(zhì)的飛躍。舉個(gè)例子。我有個(gè)項(xiàng)目里封裝了一個(gè)http_client.py里面定義了帶重試和日志的get和post方法。早期AI會(huì)忽略這個(gè)文件直接給我寫裸的requests.get。后來它能讀到這個(gè)文件就會(huì)主動(dòng)調(diào)用我封裝好的方法甚至提醒我“你這里可以用項(xiàng)目里的http_client.get它已經(jīng)處理了重試”。這種“懂項(xiàng)目”的能力是它從玩具變成工具的關(guān)鍵一步。3.2 從“寫函數(shù)”到“改架構(gòu)”的能力躍遷另一個(gè)拐點(diǎn)是AI開始能處理跨文件的修改。你告訴它“我要給所有API接口加上統(tǒng)一的鑒權(quán)頭”它能找到所有相關(guān)的路由文件逐個(gè)修改并且保持風(fēng)格一致。這在早期是不可想象的——早期你讓它改三個(gè)文件它改完第一個(gè)就忘了第二個(gè)的上下文。我實(shí)測(cè)過一個(gè)場(chǎng)景一個(gè)Flask項(xiàng)目有十幾個(gè)藍(lán)圖每個(gè)藍(lán)圖里都有若干接口。我要求給所有接口加上一個(gè)裝飾器來做權(quán)限校驗(yàn)。AI不僅找到了所有需要修改的地方還注意到有兩個(gè)接口是公開的主動(dòng)問我“這兩個(gè)是否需要排除”。這種主動(dòng)性和全局觀是2025年之后才穩(wěn)定出現(xiàn)的。但這里有個(gè)前提你的項(xiàng)目結(jié)構(gòu)得清晰。如果你的代碼全堆在一個(gè)文件里或者命名亂七八糟AI也會(huì)跟著亂。所以我現(xiàn)在越來越覺得AI編程工具其實(shí)在倒逼開發(fā)者寫好代碼——結(jié)構(gòu)清晰、命名規(guī)范、職責(zé)單一的項(xiàng)目AI的表現(xiàn)會(huì)好很多。3.3 調(diào)試能力從“猜”變成了“推理”早期AI幫你調(diào)試基本靠猜。你把報(bào)錯(cuò)貼給它它給你幾個(gè)可能的原因讓你逐個(gè)試?，F(xiàn)在它會(huì)真的去讀你的代碼追蹤變量在調(diào)用鏈里的變化然后指出“你這個(gè)變量在第37行被重新賦值了導(dǎo)致第52行拿到的是空值”。我遇到過一個(gè)典型的KeyErrorAI讀完相關(guān)代碼后告訴我字典在某個(gè)分支里沒有插入那個(gè)鍵因?yàn)槟莻€(gè)分支的條件判斷寫反了。它甚至給出了修復(fù)后的條件表達(dá)式。這種推理能力已經(jīng)接近一個(gè)初級(jí)程序員在code review時(shí)的水平了。不過要注意它的推理仍然可能出錯(cuò)。尤其是涉及并發(fā)、異步、或者復(fù)雜狀態(tài)機(jī)的場(chǎng)景它偶爾會(huì)給出看似合理但實(shí)際有問題的分析。所以我的習(xí)慣是AI給的調(diào)試建議我會(huì)當(dāng)作“假設(shè)”來驗(yàn)證而不是“結(jié)論”來執(zhí)行。4. 現(xiàn)在的AI編程到底強(qiáng)在哪幾個(gè)我反復(fù)驗(yàn)證過的場(chǎng)景4.1 數(shù)據(jù)處理管道從CSV到結(jié)構(gòu)化數(shù)據(jù)的全流程這是我用得最多的場(chǎng)景。一個(gè)典型的任務(wù)讀取一個(gè)雜亂的CSV做清洗、類型轉(zhuǎn)換、聚合最后輸出結(jié)構(gòu)化數(shù)據(jù)。早期AI寫的代碼類型轉(zhuǎn)換經(jīng)常漏掉異常處理遇到臟數(shù)據(jù)就崩?，F(xiàn)在它會(huì)主動(dòng)加try-except會(huì)處理NaN會(huì)提醒你“這一列有混合類型建議先統(tǒng)一”。我最近做的一個(gè)項(xiàng)目需要從多個(gè)來源拉數(shù)據(jù)合并后做去重和優(yōu)先級(jí)排序。AI給出的方案用了pandas的merge配合drop_duplicates還建議我用category類型來節(jié)省內(nèi)存。這些細(xì)節(jié)說明它不只是“會(huì)寫代碼”而是“懂?dāng)?shù)據(jù)處理”。但有個(gè)坑它有時(shí)候會(huì)過度使用pandas。對(duì)于小數(shù)據(jù)量用原生Python的字典和列表可能更快更簡(jiǎn)單。AI傾向于用“標(biāo)準(zhǔn)答案”但標(biāo)準(zhǔn)答案不一定是最優(yōu)解。你得根據(jù)實(shí)際數(shù)據(jù)量來判斷。4.2 爬蟲與反爬對(duì)抗它現(xiàn)在能理解“策略”了熱詞里有大量requests爬蟲、python爬蟲相關(guān)的內(nèi)容。我實(shí)測(cè)下來現(xiàn)在的AI在爬蟲場(chǎng)景下的進(jìn)步非常明顯。它不再只是給你一個(gè)requests.get而是會(huì)考慮請(qǐng)求頭偽裝User-Agent、Referer、Accept-Language請(qǐng)求頻率控制配合time.sleep或令牌桶會(huì)話保持requests.Session重試策略指數(shù)退避、Retry-After解析代理池的接入方式雖然我不建議新手一上來就搞代理池我讓它寫一個(gè)帶限流和重試的爬蟲框架它給出的代碼結(jié)構(gòu)清晰甚至把限流器抽象成了一個(gè)獨(dú)立的類。這在兩年前是不可想象的。但反爬對(duì)抗的“灰色地帶”它仍然處理不好。比如目標(biāo)站點(diǎn)用了JavaScript渲染AI會(huì)建議你用Selenium或Playwright但不會(huì)提醒你這些工具的資源消耗和穩(wěn)定性問題。熱詞里有個(gè)python上利用rapidocr太吃CPU這其實(shí)反映了同一個(gè)問題AI能給你方案但方案的性能代價(jià)它往往輕描淡寫。4.3 代碼重構(gòu)它敢動(dòng)你的老代碼了重構(gòu)是AI編程里風(fēng)險(xiǎn)最高的操作之一。早期AI重構(gòu)基本等于“重寫”它會(huì)把你原來的邏輯改得面目全非?，F(xiàn)在它會(huì)保守很多保留你的函數(shù)簽名、保留你的錯(cuò)誤處理邏輯、只改它確定可以優(yōu)化的部分。我有個(gè)跑了三年的老腳本里面有很多歷史遺留的if-else嵌套。我讓AI幫我重構(gòu)它沒有直接重寫而是先給我列了一個(gè)“重構(gòu)計(jì)劃”哪些分支可以合并、哪些條件可以提前返回、哪些變量可以提取。我確認(rèn)后它才動(dòng)手。重構(gòu)完的代碼邏輯等價(jià)但可讀性好了很多。這個(gè)“先計(jì)劃后執(zhí)行”的模式是我現(xiàn)在用AI編程的標(biāo)準(zhǔn)流程。尤其是涉及生產(chǎn)代碼的修改我一定會(huì)讓它先輸出方案我審核后再讓它改。直接讓它改風(fēng)險(xiǎn)太大。5. 那些到現(xiàn)在還沒填上的坑5.1 它仍然會(huì)“自信地胡說八道”這個(gè)問題從第一天到現(xiàn)在本質(zhì)上沒有完全解決。AI仍然會(huì)編造不存在的庫、不存在的參數(shù)、不存在的API。而且它編造的時(shí)候語氣非常自信新手很容易被騙。我最近遇到的一次它建議我用一個(gè)叫fastcache的庫來做緩存說“這是Python標(biāo)準(zhǔn)庫的一部分”。實(shí)際上Python標(biāo)準(zhǔn)庫里有functools.lru_cache但沒有fastcache。fastcache是一個(gè)第三方庫而且已經(jīng)很久沒維護(hù)了。所以我的鐵律是AI提到的任何庫、任何API我都要去官方文檔確認(rèn)一遍。這個(gè)習(xí)慣救了我很多次。5.2 性能優(yōu)化它給不出“實(shí)測(cè)數(shù)據(jù)”AI能告訴你“用生成器比用列表更省內(nèi)存”但它給不出具體的數(shù)據(jù)。它不知道你的數(shù)據(jù)量有多大、你的內(nèi)存限制是多少、你的CPU是什么型號(hào)。所以它的性能建議永遠(yuǎn)是“理論上更好”而不是“實(shí)測(cè)下來快了多少”。我現(xiàn)在的做法是AI給優(yōu)化建議我自己寫benchmark跑一遍。有時(shí)候它建議的優(yōu)化在我的場(chǎng)景下反而更慢。比如它建議用numpy向量化替代循環(huán)但如果數(shù)據(jù)量很小numpy的初始化開銷反而讓整體更慢。5.3 涉及公司內(nèi)部系統(tǒng)時(shí)它基本幫不上忙熱詞里有個(gè)python如何連接公司系統(tǒng)實(shí)現(xiàn)自動(dòng)拉表這其實(shí)是個(gè)很典型的痛點(diǎn)。公司內(nèi)部系統(tǒng)往往有私有的SDK、私有的認(rèn)證方式、私有的數(shù)據(jù)格式。AI沒見過這些東西它只能給你一個(gè)“通用模板”然后你自己去填。我處理這類任務(wù)時(shí)會(huì)把內(nèi)部系統(tǒng)的接口文檔脫敏后喂給AI讓它基于文檔寫代碼。這樣它的準(zhǔn)確率會(huì)高很多。但即便如此涉及認(rèn)證和權(quán)限的部分還是得我自己來。6. 我現(xiàn)在怎么用AI編程一套可復(fù)現(xiàn)的工作流6.1 先讓它“讀”再讓它“寫”這是我最重要的習(xí)慣。在讓AI寫任何代碼之前我會(huì)先讓它讀相關(guān)文件然后讓它用自己的話總結(jié)“這個(gè)模塊是干什么的、有哪些關(guān)鍵函數(shù)、數(shù)據(jù)怎么流動(dòng)”。如果它的總結(jié)有偏差說明它沒理解對(duì)這時(shí)候讓它寫代碼肯定出問題。這個(gè)“讀-總結(jié)-確認(rèn)”的流程花不了幾分鐘但能避免大量返工。尤其是接手老項(xiàng)目或者復(fù)雜模塊時(shí)這一步幾乎是必須的。6.2 小步提交每步驗(yàn)證我不會(huì)讓AI一次性寫幾百行代碼。我會(huì)把任務(wù)拆成小步驟先寫數(shù)據(jù)讀取跑通再寫清洗邏輯跑通再寫輸出跑通。每一步都驗(yàn)證確保前面的基礎(chǔ)是穩(wěn)的。這樣做的好處是出問題時(shí)容易定位。如果AI一次性寫了一大坨跑不通你根本不知道是哪里的問題。小步提交配合版本控制出問題直接回滾成本很低。6.3 讓它寫測(cè)試但不信它的測(cè)試AI寫測(cè)試用例的能力很強(qiáng)它能覆蓋很多邊界條件。但它的測(cè)試有一個(gè)致命問題它傾向于測(cè)試“自己寫的代碼”而不是“應(yīng)該實(shí)現(xiàn)的功能”。也就是說如果它的代碼有bug它的測(cè)試可能剛好繞過那個(gè)bug。所以我的做法是讓AI寫測(cè)試但我自己會(huì)補(bǔ)充幾個(gè)“刁鉆”的用例。尤其是涉及邊界值、空輸入、異常輸入的場(chǎng)景我會(huì)手動(dòng)加測(cè)試。AI的測(cè)試作為基礎(chǔ)覆蓋我的測(cè)試作為補(bǔ)充驗(yàn)證。6.4 提示詞的關(guān)鍵給約束不給自由熱詞里有ai編程提示詞我在這方面踩過很多坑。早期我喜歡說“幫我寫一個(gè)爬蟲”結(jié)果它給我的代碼風(fēng)格、用的庫、錯(cuò)誤處理方式全看它心情。后來我學(xué)會(huì)了給約束指定Python版本比如python 3.8指定庫比如“用requests和beautifulsoup4不要用selenium”指定風(fēng)格比如“函數(shù)要有類型注解錯(cuò)誤處理用try-except日志用logging模塊”指定邊界比如“只處理前100條數(shù)據(jù)不要分頁”約束越具體它給的代碼越可用。這其實(shí)和帶新人的邏輯一樣你給的要求越模糊他越容易跑偏。7. 給不同階段開發(fā)者的實(shí)操建議7.1 如果你剛學(xué)Python別讓AI替你思考python安裝教程、python入門、python怎么安裝這些是熱詞里出現(xiàn)頻率最高的。我理解新手想快速跑通代碼的心情。但我的建議是安裝、環(huán)境配置、基礎(chǔ)語法這些一定要自己動(dòng)手。AI可以幫你解釋報(bào)錯(cuò)可以幫你寫示例代碼但不要讓它替你完成“理解”這一步。你至少要知道python環(huán)境變量配置是干什么的、vscode python環(huán)境配置里每個(gè)選項(xiàng)的含義。這些基礎(chǔ)打牢了后面用AI才有效率。我見過太多新手環(huán)境是AI配的代碼是AI寫的報(bào)錯(cuò)是AI修的。結(jié)果換臺(tái)電腦連Python都裝不上。這不是在用AI這是被AI綁架。7.2 如果你有一兩年經(jīng)驗(yàn)把AI當(dāng)“高級(jí)結(jié)對(duì)伙伴”這個(gè)階段的人最容易從AI編程里獲益。你已經(jīng)有了基礎(chǔ)能判斷AI給的代碼靠不靠譜。你可以讓AI幫你處理那些“你會(huì)寫但不想寫”的代碼樣板代碼、測(cè)試用例、文檔字符串、數(shù)據(jù)轉(zhuǎn)換腳本。我的建議是把AI當(dāng)成一個(gè)隨時(shí)在線的結(jié)對(duì)伙伴。你負(fù)責(zé)架構(gòu)和關(guān)鍵邏輯它負(fù)責(zé)填充細(xì)節(jié)。你負(fù)責(zé)判斷對(duì)錯(cuò)它負(fù)責(zé)提供選項(xiàng)。這種協(xié)作模式效率提升最明顯。7.3 如果你是資深開發(fā)者用AI來“對(duì)抗遺忘”資深開發(fā)者的問題不是不會(huì)寫而是“記不住那么多細(xì)節(jié)”。比如你很久沒寫pandas了突然要做一個(gè)數(shù)據(jù)聚合你可能記得大概思路但具體的API參數(shù)記不清了。這時(shí)候AI就是你的“外部記憶”。我現(xiàn)在的用法是讓AI給我一個(gè)“起點(diǎn)代碼”然后我基于自己的經(jīng)驗(yàn)去改。它給的可能不是最優(yōu)解但能幫我快速回憶起這個(gè)領(lǐng)域的常見做法。然后我用我的經(jīng)驗(yàn)去優(yōu)化它。這種“AI出草稿我來精修”的模式對(duì)資深開發(fā)者來說效率很高。8. 關(guān)于“超越中高級(jí)程序員”這個(gè)說法的冷靜判斷標(biāo)題里說“超越中高級(jí)程序員”這個(gè)說法我持保留態(tài)度。AI在某些維度上確實(shí)超過了中高級(jí)程序員比如它知道的語言和庫比我多、它寫樣板代碼比我快、它不會(huì)因?yàn)榧影喽傅图?jí)錯(cuò)誤。但在另一些維度上它差得還很遠(yuǎn)。它沒有“品味”。它不知道什么樣的代碼是“優(yōu)雅”的它只知道什么樣的代碼是“常見”的。它沒有“責(zé)任感”。它不會(huì)因?yàn)榫€上事故而失眠它只會(huì)給你下一個(gè)“可能可行”的方案。它沒有“領(lǐng)域知識(shí)”。它不懂你的業(yè)務(wù)、你的用戶、你的歷史包袱。所以我的判斷是AI編程工具現(xiàn)在是一個(gè)“能力很強(qiáng)的初級(jí)程序員”加上“知識(shí)面很廣的技術(shù)顧問”的結(jié)合體。它能大幅提升你的效率但它不能替代你的判斷。你仍然需要知道“什么是對(duì)的”才能用好它。這三年AI編程從玩具變成了工具從“幫你打字”變成了“幫你思考”。但最終做決定的還是你。工具越強(qiáng)使用工具的人的判斷力就越重要。這是我用了三年AI編程之后最深的體會(huì)。