不是所有事情都该让 AI 做

AI 编程的效率不取决于你用 AI 做了多少事，而取决于你在哪些事情上用 AI、在哪些事情上自己判断。

让 AI 做的事

• 重复性工作：写 10 个结构相似的卡片、生成测试数据、批量替换
• 模板化代码：表单、列表、导航栏——有标准模式的东西
• 从零到一：第一版草稿让 AI 出，你在上面改
• 你不熟悉的领域：没写过正则表达式？让 AI 写，你验证

自己判断的事

• 需求定义：做什么、不做什么、优先级——这是你的决策，不是 AI 的
• 验收标准：什么算"做好了"——只有你知道你要什么效果
• 安全相关：涉及密码、密钥、用户数据的处理——AI 可能给你不安全的方案，你要审查
• 架构决策：用什么技术栈、怎么分模块——这些影响深远的决策，你拍板

原则是：AI 做"执行"，你做"决策"。把脑力花在值得思考的地方，把体力活交给 AI。

让 AI 做代码审查

大多数人只让 AI 写代码，不知道 AI 还能审查代码。这是一个被严重低估的用法。

写完一段代码（不管是你写的还是 AI 写的），你可以让 AI 帮你"看看有没有问题"：

"这段代码实现了待办清单的添加和删除功能。请帮我检查：有没有潜在的 bug？有没有边界情况没处理？有没有可以改进的地方？"

AI 会以"另一个视角"来审视这段代码——它可能发现你没想到的边界情况，或者建议更简洁的写法。

这就像有一个同事帮你做 code review。你不用全盘接受它的建议，但它的审查能帮你发现自己盲区里的问题。

建立自己的提示词库

用 AI 编程久了，你会发现有些提示词你反复在用：

• 每次做网页都要说"深色主题、响应式、不用框架"
• 每次做表单都要说"输入验证、错误提示、提交后清空"
• 每次调试都要说"这是报错信息，这是相关代码，我当时在做什么"

这些反复出现的提示词，就是你的提示词库的种子。把它们存下来，下次直接复用，不用每次从零写。

怎么存

最简单的方式：建一个文档，把好用的提示词按场景分类存下来：

• 场景：做网页骨架 → 对应的提示词模板
• 场景：调试报错 → 喂报错的标准格式
• 场景：代码审查 → 审查请求的标准模板
• 场景：生成测试数据 → 数据生成的提示词

每个模板里用 [占位符] 标出需要替换的部分，比如：

"做一个 [类型] 网页。约束：[技术约束]。功能：[功能列表]。风格：[风格描述]。"

下次用的时候，填空就行。

提示词库的价值

提示词库的本质是经验沉淀。没有提示词库，你每次用 AI 都从零开始，效率不随经验增长。有了提示词库，你越用越快——因为好的提示词被沉淀下来了，不好的被淘汰了。

这也是 AI 编程方法论和工具教程的根本区别：工具会变，但你的提示词库和协作经验不会过时。换一个 AI 工具，你的方法依然适用。

持续迭代的心态

和 AI 协作编程，本质上是一种新技能。像所有技能一样，它需要练习、反思、迭代。

每次做完一个项目，回头想想：

• 哪个环节花的时间最多？能不能优化？
• 哪个提示词效果特别好？存下来。
• 哪个错误反复出现？下次怎么避免？
• AI 在哪类任务上表现好？哪类不行？

这些问题没有标准答案，但持续问自己，你的 AI 编程能力就会持续提升。

这门课讲的 8 章方法，不是终点，是起点。真正的方法论，是你在实践中打磨出来的那一套——属于你自己的、和 AI 协作的独特节奏。