为什么开始学 AI 辅助编程

我自己平时会写一些自用的小工具，比如记账脚本、文件整理脚本。以前遇到不熟悉的语法只能翻文档，效率不高。这段时间开始系统学习用 AI 辅助写代码，明显感觉查资料和搭框架的时间少了很多，可以把精力放在想清楚需求上。这篇笔记记录我的入门方式和一点心得，纯属个人自学记录。

我的基本使用方式

摸索了一段时间后，我把自己使用 AI 辅助编程的流程固定为四步：

  1. 描述需求：先用自己的话把要做什么、输入是什么、输出是什么写清楚，需求越具体，生成的代码越贴近预期；
  2. 生成草稿：让 AI 给出一个可运行的最小版本，不追求一步到位；
  3. 逐行审阅：每一行都要看懂，看不懂的就追问，绝不把看不懂的代码直接跑在自己的电脑上；
  4. 小步验证：每改一处就自己运行一遍，确认行为符合预期后再继续。

一段练习代码

下面这段练习代码是我在 AI 辅助下完成并逐行审阅过的，功能是统计本地笔记目录下文本文件的总行数，供自己存档：

from pathlib import Path

def count_lines(folder: str, suffix: str = ".md") -> int:
    """统计目录下指定类型文件的总行数。"""
    total = 0
    for path in Path(folder).rglob(f"*{suffix}"):
        try:
            total += sum(1 for _ in path.open(encoding="utf-8"))
        except UnicodeDecodeError:
            continue  # 跳过编码异常的文件
    return total

if __name__ == "__main__":
    print(count_lines("./notes"))

几点心得

  • AI 是助手不是替代：它能很快给出草稿，但判断对错、决定是否采用，始终是我自己的责任；
  • 上下文要给足：把运行环境、版本、已有代码结构告诉它，能少很多返工；
  • 生成的代码必须自己跑一遍：能运行不等于正确，边界情况要自己测；
  • 注意信息安全：自己的账号、密码、私钥等敏感信息，不要贴进对话里；
  • 好记性不如烂笔头：学到的东西整理成笔记存进自己的知识库，下次直接用。

以上就是我这段时间的入门记录，后续学到新内容再补充到知识库里。