从最早觉得「AI 写代码就是玩具」，到现在日常开发离不开，差不多两年了。这篇记录下我实际的使用场景、提问技巧、踩过的坑和一些个人心得，不吹不黑。
背景
我算接触比较晚的那批人。写了这么多年 Android，习惯的是遇到问题先搜索，StackOverflow 翻一圈，实在不行啃源码。那个年代的排错流程是「报错 → 搜索 → 翻十个链接 → 大半不相干 → 拼凑答案」，一天下来眼睛都是花的。
最早试用 AI 的时候，它给我的感觉就是一本正经地胡说八道，API 是编的、参数是错的，我还得一个个去核对，不如自己查来得踏实。
真正改变想法的是几件小事：
- 一个正则表达式，自己写要调试半天，丢给它 10 秒给出能用的
- 一段五百行的老代码要重构，让它先解释一遍逻辑，比自己啃快多了
- Crash log 直接贴过去，它能把调用链和可能的原因列出来
这两年工具形态也是一路在变：
- 对话式的 ChatGPT：来回复制粘贴，当个高级搜索引擎用
- 补全式的 Copilot：写代码时它在旁边猜你要写什么，Tab 按到手软
- Agent 时代的 ZCode 这类：能自己跑命令、改文件、验证结果，你说需求它干活
形态越往后，对「怎么用」的要求越高，这也是这篇想聊的重点。
我的使用场景
1. 苦力活优先
样板代码、单元测试、gradle 脚本、正则、shell，这类「会写但写着烦」的活最适合丢给 AI。比如 ViewModel + Repository + 测试的整套结构，自己敲要半小时，AI 一分钟出初稿，改改细节就能用。单元测试尤其推荐：Mock 数据、边界 case 这种自己懒得写全的东西，让它枚举一遍，经常能补上自己没想到的坑。
2. 排查问题
以前排查一个 Crash 要翻十个链接，现在把 log 和相关代码一起丢给 AI，它会结合上下文分析，一两轮对话基本能定位方向。上次一个只在特定机型复现的 TransactionTooLargeException，它直接指出是某个页面往 Bundle 里塞了大 JSON，方向一次就对了。方案还是要自己验证，但「翻链接」这个过程是实打实省掉了。
3. 批量杂活
这次整理博客就是典型：64 篇文章里，代码块语言标注有大小写不规范的、有标错的，还有旧主题遗留的语法残留。手工改要一两天，AI 半小时全搞定，改完还顺手验证了构建。这种规则明确、量大、枯燥的活是 AI 的绝对主场。同理还有批量改包名、统一代码风格、老项目升级依赖这类活。
4. 看不懂的代码
接手老项目、看开源库源码的时候，让 AI 先讲一遍整体结构，自己再下进去看细节，比硬啃效率高很多。Dagger 那种生成代码满天飞的框架尤其明显——让 AI 对着生成的代码讲依赖图是怎么连起来的，比自己从 DaggerXXXComponent 里一个一个翻舒服太多了。
5. 学新东西
之前学 Harmony 的时候深有体会：官方文档 + AI 组合拳。文档看不懂的段落直接问，让它换个说法、举个 Android 里对应的例子，一遍就通了。相当于随身带了个不嫌你问题蠢的老师。比自己搜博客强在两点：一是能结合你的上下文解释，二是不会搜到五年前的过时文章。
6. 写文档和周报
技术人最烦的活之一。代码写完了让它根据改动生成注释、README、甚至是周报的初稿，自己再改成「人话」。它写的初稿结构清楚但一股机器味，正好，结构留下，味道自己调。
怎么提问才有效
用久了会发现，AI 输出质量的上限基本由提问质量决定。对比一下：
差的提问：
我的 APP 闪退了怎么办 |
好的提问：
Android 12 上闪退，log 如下（附完整堆栈）， |
区别就是上下文。我自己总结的几个要点：
- 环境给全：系统版本、机型、复现步骤、完整的报错，别让它猜
- 约束提前说：「只改这个方法，别动其他代码」「用 Java 不要 Kotlin」「要兼容到 API 21」
- 要过程不要只要答案：让它先分析原因再给方案，方便自己判断靠不靠谱
- 一次只问一件事：一次塞五个问题，大概率每个都答得潦草
踩过的坑
- 幻觉是真实存在的。早期它给我编过一个根本不存在的 Glide API，参数都对得上号的样子，我还真信了，白调试半天。现在凡是它给的 API，拿不准的一律自己查文档
- 过度工程。问个简单问题，它有时候能给一套设计模式齐全的「完美方案」，抽象一大堆，实际业务就三行代码的事。得学会在提问时就约束住：「用最简单的方式实现」
- 会把能跑的代码改坏。让它重构过一个工具类，主体逻辑改对了，顺手把一个「看起来多余」实际在防并发重入的判断删了，测试没覆盖到，上线才炸。它眼里没有「不敢动」的代码，关键逻辑要盯紧
- 上下文会丢。聊了十几轮之后它开始忘记前面的约定，重复问已经说过的东西。复杂任务要拆小，关键约束宁可多强调一遍
- 手感变钝。这个是最近才意识到的：API 细节懒得记了，反正问 AI 快。短期没事，长期看基础的扎实度在下降。现在的对策是核心技能（架构、算法、底层原理）坚持自己写，AI 只接管体力部分
- 代码安全。公司项目的代码往公开的 AI 服务里贴之前想清楚，敏感的密钥、内部协议、商业逻辑能不贴就不贴，或者先做脱敏。这年头数据出了门就不是你的了
- 工具之间会打架。折腾博客时碰到的：本地安全插件把第三方主题里的 MD5 哈希（Gravatar 协议要求的）当漏洞拦下来了，AI 分析说这是误报。机器说是风险不一定真是风险，反过来也一样，最后还是得人来拍板
心得小结
- 把 AI 当一个不知疲倦但需要盯着的实习生，不是当神，产出必须过自己的眼
- 提问质量决定回答质量，上下文给足比什么都强
- 明确、量大、可验证的活放心交给它；模糊的、要拍板的活自己来
- 别跟它较劲。一个问法搞不定就换问法、拆任务，反复追问没有意义
- 每次让它干完活，花两分钟看看它改了什么，看 diff 的习惯比会用 AI 本身更重要
- 最先被省掉的是「查资料 + 拼凑」这部分工作，判断和决策还是自己的。现在写代码和以前最大的区别：以前是手累，现在是脑子累
工具一直都在变，但用法内核没变过：你得知道自己要什么，它才帮得上你。至于它以后会变成什么样，我是挺期待的，至少博客的格式整理这种活，我这辈子是不想再手动干了。
