第01章:你的编程方式正在被淘汰

第01章:你的编程方式正在被淘汰


2023年,一个叫Adam的后端工程师在推特上发了一条帖子:

“我现在写代码的时候感觉自己在和AI结对编程。AI写,我审查。三个月前还是反过来的。”

这条帖子被转发了两万次。不是因为它惊世骇俗,而是因为太多人看完沉默了——因为他们正在经历同样的转变,只是没人说出来。

现在是2026年,这个转变已经不是"正在发生",而是"已经发生了"。

真正的问题不是AI会不会写代码,而是:你的开发方式,有没有跟上这个变化?


效率差距正在拉大

你有没有注意到,周围有些同事开始"产出异常地多"?他们一个迭代能做完以前两个迭代的需求,代码质量还不差。

他们不是天才。他们只是更早开始用AI工具,而且用得更深入。

根据2025年GitHub的开发者调研数据,重度使用AI编程工具的开发者,在以下任务上的效率有显著提升:

  • 生成样板代码(Boilerplate):提升60-80%
  • 理解陌生代码库:提升40-50%
  • 写单元测试:提升50-70%
  • 编写文档:提升65-75%
  • 调试已知类型的错误:提升30-40%

注意:这些数字是"重度使用者"的数据。"偶尔用GitHub Copilot补全一下"的人,提升幅度大约只有10-20%。

差距不在于有没有工具,差距在于你有没有真的改变你的工作方式


大多数程序员的AI用法都是错的

先说一个你可能有的使用场景:

你在写一段业务逻辑,卡住了,不知道某个Python库的具体用法。你打开ChatGPT,问它怎么用,它给你一段代码,你复制过来,改了改,能跑了,继续。

这种用法没有错,但它只把AI当成了一个"更好用的Stack Overflow"。

实际上,AI编程工具能做的远不止这些:

  • 代码架构设计:把你的需求描述清楚,让AI帮你设计数据模型、接口结构、模块边界
  • 整个功能模块的生成:不是一段代码,是一个有测试、有注释、有错误处理的完整模块
  • 已有代码的理解:把一个陌生的代码库丢给AI,让它给你画结构图、解释逻辑
  • 重构建议:AI可以指出你的代码里的坏味道,并给出具体的重构方案
  • 测试用例设计:根据你的代码逻辑,自动生成边界条件和异常情况的测试

但这些需要你改变"向AI提问"的方式,甚至改变你整个开发的工作流程。


三种程序员的AI使用层次

第一层:工具用户

  • 偶尔问问如何用某个库
  • 用AI生成片段代码,自己拼凑
  • 遇到错误,把报错贴给AI问为什么
  • 效率提升:10-20%

第二层:工作流整合者

  • 用Cursor或Copilot做智能补全,减少打字量
  • 对于重复性任务(写测试/写文档)直接交给AI
  • 能写清楚上下文,让AI生成更有针对性的代码
  • 效率提升:40-60%

第三层:AI结对编程者

  • 以"对话式开发"为主要工作方式
  • 先和AI讨论设计,再让AI实现,自己审查
  • AI是代码的第一版本,自己是代码审查者和决策者
  • 能识别AI输出的质量,知道什么时候该改、什么时候该重来
  • 效率提升:80%以上

大多数开发者还在第一层到第二层之间。这本书的目标是帮你进入第三层。


AI编程工具的实际生态

2026年的AI编程工具市场已经相对清晰:

Cursor:目前综合体验最好的AI代码编辑器,基于VSCode,对标GitHub Copilot但功能更全。支持codebase理解,可以对整个项目进行对话。

GitHub Copilot:微软/GitHub出品,集成在主流IDE中,代码补全体验成熟。企业采用率最高。

Claude Code(Anthropic):Anthropic推出的命令行AI工具,特别适合需要大上下文的任务(如理解大型代码库、做大范围重构)。Claude的长上下文优势在这里发挥得最好。

Windsurf(前Codeium):另一个竞争力较强的AI代码编辑器,功能和Cursor类似。

Amazon Q Developer:AWS生态的AI编程助手,对AWS相关项目支持好。

这本书主要聚焦在CursorClaude Code上,原因是:

  1. Cursor代表了"AI增强编辑器"这条路线
  2. Claude Code代表了"命令行/自主代理"这条路线
  3. 这两条路线结合,覆盖了80%以上的日常开发场景

你需要什么准备

工具

  • Cursor(免费版够入门,Pro版$20/月值得)
  • Claude Code(需要Anthropic API,按量计费)
  • 或者有Claude Pro订阅,可以直接在claude.ai用Projects功能

前置技能

  • 至少有一门编程语言的基础(读懂AI输出的代码)
  • 会用Git(AI经常帮你改代码,版本控制更重要)

心理准备

  • 你需要改变习惯,这需要时间
  • AI经常出错,特别是复杂逻辑
  • 调试AI生成的代码,和调试自己写的代码一样需要能力

本书的阅读建议

不要只是读,要对照着你的实际项目练。

每章的提示词模板,直接复制到你的工具里用,用完了再回来看解析。理论你可以跳过,提示词和案例是核心。

如果你已经有用AI编程的经验,可以直接跳到第03章(Claude Code架构设计)或第07章(重构与优化),这两章对有经验的人来说密度最高。


如果今天只记一件事:AI编程工具的价值不在于"替你写代码",而在于让你把时间从"打字执行"转移到"思考设计"——而这恰好是真正能提升你价值的地方。