AI 编程助手怎么用才真的提效

AI 编程助手（GitHub Copilot、Cursor、通义灵码等）已经成了很多开发者的标配。但用不好它，反而会更慢——代码要逐行检查、错误要背锅。分享几个让 AI 助手真正提效的实践。

一、它擅长什么、不擅长什么

擅长：样板代码、单元测试、正则、SQL、写注释、解释陌生代码、语言间翻译（比如把 PHP 数组操作翻成 Python）。

不擅长：业务逻辑细节（它不知道你们公司的规则）、冷门库的最新 API（训练数据滞后）、长上下文的一致性（大项目里容易用错变量名）。

二、五个实践建议

1. 注释先行：写清楚 // 对传入的订单列表按金额降序并过滤已取消订单，再让 AI 补全，准确率远高于让它看着半个函数猜；
2. 小步快跑：一次让它生成 10~20 行，立即验证；一次生成 200 行的"大活"通常返工更久；
3. 测试当安全网：让 AI 写代码之前，先让它写测试。有了测试，AI 改代码你才有底气；
4. 报错直接喂回去：把完整报错栈贴给 AI 并附上相关代码，它定位依赖问题的能力经常超过搜索；
5. 敏感代码别贴：核心算法、密钥、客户数据不要进公共模型的对话框，这一点再强调都不为过。

三、一个真实的工作流

以修 bug 为例：复现 → 把报错与相关函数喂给 AI → 它给出 2~3 个假设 → 逐个排除 → 定位后让 AI 起草修复 → 人工 review → 跑测试 → 提交。

AI 负责苦力和候选方案，你负责判断和责任。这个分工想清楚了，AI 才是杠杆而不是负担。