我用 AI 编程，为啥体感不好？正确的姿势是啥？

[yang0327519]

最近老板要求“拥抱 AI”

个人理解，本质就是拿鞭子抽着牛马自掘坟墓，哪天坟修好了，就自己躺进去埋了

但不管咋样，也得硬着头皮拥抱

平时也一直用，但确实是比较初级的“问答式”：

• 让 AI 写个算法；
• 粘贴一堆日志，让 AI debug 问题；
• 快速学习一个新的技术点之类

效果确实不错，现在都习惯直接问 chatgpt 或者 gemini （ grok ，claude 几个混着用），谷歌搜索从日均 50 次到现在估计日均 5 次

---

以上是背景

最近接个新需求，打算在已有项目(golang web 服务，大约 5.7w 行代码)中直接用 AI 实现，大概过程是：

1. 产品给需求文档
2. 人肉整理需求，设计好数据结构，接口（共 6 个）入参以及响应
3. 使用付费 trea （首充 3 刀）打开项目，将 2 给 trea ，使用 auto 模式，让它生成一个 plan
4. 和 trea 反复对话调整大约 10 轮，生成了一个 planA
5. 让 trea 执行 planA ，效果不咋地
6. 根据实现，在 planA 的基础上，让 trea 重新生成 planB
7. 反复对话约 5 轮生成了个 planB
8. 让 trea 根据 planB 生成代码，结果不满意，放弃
9. cursor 充值 20 刀，使用 auto ，输入 planB 生成代码
10. 生成后的代码微调几处，乍一看，觉得还行
11. 自己人肉测试，发现不符合有些本项目的约定做法，改提示词后，让 cursor 重新生成代码
12. 改过的代码重新挨个测试，跑通，上测试环境联调
13. 联调过程中，又发现了 2 个问题，修改后提交

整过过程，耗时约 3 天（还有其他事情同步在做）

---

综合体验下来，其实并不好：

1. 主要的数据库设计和接口设计还得自己来做
2. AI 能完成 80%的代码，但剩下的 20%代码需要人工修改或者确认，这个耗费的精力并不少
3. AI 完成的代码，没有人肉自己写的印象深刻，时间稍久远一点，出了 bug 自己会完全没印象，排查难度增大

---

觉得可能可以优化的方向：

1. 使用 claude code 业界公认的代码能力最强的模型（充值费劲）
2. 优化提示词，拆分需求为更小模块，逐步实现，如 先让 AI 完成数据库设计，再做接口定义实现，再单元测试之类

---

社区藏龙卧虎，各位 AI 善后工程师，面对类似 case ，有什么使用建议吗？

[usVexMownCzar]

大力出奇迹，Claude code ，codex 。

建议先体验最牛逼的，然后找便宜的模型对比下，如果能接受便宜模型的结果，再换便宜的。

[liujl]

那为什么不让 ai 把数据库也设计了,这样子他还理解更深刻

[yang0327519]

@liujl 我是把 AI 看做一个新入职的基本功贼扎实的应届生看的，所以想给它尽量“精确的”、“完整的”需求，让它一次性完成编码工作。所以就把数据库和接口都设计好给它，感觉这样的需求是比较精确的

[coolair]

我也用 Trae ，感觉很拉垮，我也感觉是我使用的问题。
MCP 、Skills 这些我都没有，只用了 Solo 的 Plan 模式 + 老老实实写的提示词。

举个例子，我写一个前端项目“表单设计器”，告诉了它数据格式。它竟然把我另一个项目“流程设计器”的 json 配置直接抄过来了。

我也不知道它到底是怎么做到的，是读了我另一个项目的文件，还是我写“流程设计器”项目的时候它记忆了？

明明 Trae 只打开了“表单设计器”这一个项目，而且这个项目我是从 github 上拷贝过来二开的，跟“流程设计器”无论是在结构设计还是代码风格上都大相径庭。

我甚至开始怀疑它在后台扫我磁盘了……

[lscho]

自信点，因为 auto 模式就是垃圾

用 claude code 再试试吧

[zstone123]

好的 AI 模型和差的 AI 模型差距比人与人之间的差距还大。

[surfwave]

用 cc 试试，claude 家的模型确实有点东西。

[Chuckle]

正确的姿势？ cursor 开 opus4.5 ，用量付费先设个 1w 刀额度。没错，ai 编程=花钱编程，所谓各种技术啥的就是大力（上下文）出奇迹，简单点，每次把你写好的提示文，复制粘贴几次再发送，效果都能有明显提升。

[xiaomushen]

别问，问就是开 opus4.5 ，问就是多花美刀

[hellopz]

1. 是 trae 不是 trea
2. 建议用最强模型，至少也得是 opus4.5 、gemini3pro 、gpt5.2codex ，这样你才能知道哪些事情是 AI 不适合做，哪些事情纯粹是因为你用的模型能力不行。你在调试弱 AI 上花费的时间精力，要远超过最强模型的那一点钱，别因小失大
3. trae 的 solo 建议别用，至少也别用在开发代码上
4. 重复工作试试 skill ，你带着 AI 完整地做完一次，在结束的时候让 AI 生成一个 skill ，以后这个场景就轻松多了

[wr516516]

@hellopz 为什么不建议用 trae 的 solo

[darkengine]

"主要的数据库设计和接口设计还得自己来做" - 这个 AI 都可以做，只要你把需求描述清楚

[msg7086]

我现在做的：
首先用 RooCode 开 Architect 模式和模型一起头脑风暴，包括技术选型这些都可以做，你说的数据库设计接口设计这些都可以让 AI 来设计，你的主要工作是掌舵，告诉他应该往哪个方向走。讨论完了，写入 markdown plan 了，再切换到 Code 模式实现代码。
然后一定要让他写测试用例。意思就是 AI 必须有能力自己确认自己写出来的东西对不对。
比如你写 Web API 接口，那你必须先设计一套通过 Web API 接口测试你程序正确性的测试环境，然后告诉 AI 改完代码以后运行测试，跑通才算做完。联调的时候发现的问题一定要用测试用例固定下来，然后再让 AI 回去改代码把测试用例跑通。

你都用 AI 写代码了，就不要考虑出了 bug 怎么排查了，而是应该反过来，通过手段保证你用 AI 写的代码不会出 bug （至少不会经常出 bug 需要你去排查）。几年前被大家扔出去的 TDD 现在正是捡回来的好时机。

模型用点好的。我现在最差也要用 Gemini3F ，如果你有条件上 GPT5.2 家族或者 Opus 那更好，没钱那 3F 也可以先凑合着用。

[murmur]

AI 写代码就不要考虑编码规范了，除非你把编码规范也作为提示词输进去

我发现 AI 做新功能，新程序比较好，越臭的屎山 AI 越啃不动

[Ipsum]

现在都是 agent 编程了，配合 skills 简直无敌。先生成 readme ，然后自己再改改，最后提供技术选型和要求，agent 基本上能干 80%的活。

[AoEiuV020JP]

我感觉 AI 写代码是真的半年一个新体验， 如果搜到半年前的文章基本可以不用看了，
目前我是会先打草稿，把 AI 需要知道的业务逻辑写下来， 另外再搭配约束 AI 阻止 AI 经常犯的错的 skill ，再加上编译和文档总结的 skill ，然后给 AI 一次性把功能做出来，检查测试后再要求 AI 修改，哪怕是一行注释的改动我也要让 AI 去写，

[tohearts]

最强模型 + 规范驱动。
最强模型:opus 4.5 最好是 cursor 的企业版本，量大便宜。
规范驱动：我用的是 golang ，所以默认 DDD+TDD ，测试配合 AI 进行集成测试（重置数据库开始）。全栈的话，在集成测试后，自己或者 pua ai 去验收前端是否存在问题。
活用：mcp/skill 。

[sillydaddy]

@AoEiuV020JP 「你 TM 」都出来了，哈哈。
看到了「梭呦」这样的错别字，还在用手打字？搞个语音输入吧。

--
另外楼主可以看下这张 Elo 天梯图了，对于编程大模型的评分，是用户真金白银投票出来的：
https://v2ex.com/t/1188184#r_17251001

虽然最高的 Opus4.5 high thinking 模型（ GPT5.2 extra high 好像没在里面），比最新 GLM4.7 只高 50 分，但这 50 分，很可能都是差在复杂度较高难度较大的问题上面的，也就是解决架构、复杂这样的问题时，一定要用最顶尖的模型。

[shellic]

在这问那回答肯定是 你不会用 and 用的 Ai 不行，既然老板花钱那不妨跟评论里说的一样用他们说的最牛逼的模型然后配置拉满

[dabennn]

试试 openspec 、speckit 或者类似的工作流，先跟 ai 进行沟通，确保理解清楚细节之后再让他写，效果会好不少