AI编程用了几个月，我踩过的坑和真正好用的东西
大家好，我是月时~
最近忙着项目，没怎么更新公众号了，想着也打算转型了，做点AI编程相关的，毕竟自己也是计算机科班出身的，老本行不能忘。
同时也慢慢分享一些我这几个月以来的使用技巧和体验，给目前正在用AI编程迷茫的人一点经验。
说实话，刚开始用AI编程工具的时候，我的感受是AI编程还不到时候，但你能想到不到一年时间我这个观点就已经被推翻了。
很多时候不是工具不好，而是用错了方法。
我以为AI编程就是”你说需求，它出代码”，然后我就可以翘着腿等结果。结果发现，我说的需求越模糊，它给的代码越离谱。有一次我让它”做个用户管理系统”，它给我整了一套带RBAC权限、多租户、审计日志的完整架构——我就一个内部小工具，用户不超过20个。
那一刻我意识到，AI编程这件事，门槛不在技术，在你能不能把自己想要的东西说清楚。
你以为你知道自己要什么
我在大学学的是软件工程，需求分析这门课我当年考了92分。
然后我用AI编程工具踩了同样的坑。
问题不是我不懂需求分析，是AI太快了。它不会停下来问你”你确定要这个吗”，它只会把你说的话当真，然后以最快速度给你一个”完整的”答案。你说”做个登录页”，它就做一个——没有追问业务场景，没有问用户量级，没有问是不是需要SSO。
速度快，方向错，代价比以前大。
我后来总结出一个三层拆解的方法，每次开始一个新功能之前，先在脑子里过一遍：
第一层，What：做什么？功能边界在哪里，输入输出是什么，核心路径是什么。
第二层，Why：为什么做？背后的业务目标是什么，服务人群是谁，用户场景是什么，怎么算成功。
第三层，Not：不做什么。这一层最容易被忽略，但往往最值钱。明确排除项，能防止AI过度设计。
特别是当你连用户场景是什么、服务人群是谁这两个基本问题都想不清楚，一行代码都不要动，理清楚再来。 我见过太多人拿着一个模糊的”用户需要X”就开始让AI写代码，写完发现根本没人用，或者用的人根本不是他们以为的那群人。
后来我还养成了另一个习惯，在让AI写代码之前，先说一句： “在你开始写代码之前，先问我3到5个你认为最关键的澄清问题。”
这个操作能暴露你自己都没意识到的需求盲区。
有一次它问我”这个功能需要支持并发操作吗”，我愣了三秒，才意识到我没有根据我自己的用户群体体量来去想这个问题。还有一次它问”如果用户上传的文件超过限制，你希望怎么处理”——我当时的第一反应是”这不重要”，然后想了五秒，发现这恰好是最容易出线上事故的地方。
让AI反问你，比你自己想需求要快得多，也准得多。
它不是在帮你写代码，它是在帮你想清楚你要什么。
Superpowers：完整流程才是真正的开挂
我说的”Superpowers”不是一个词，是一个真实的开源 skill
开源地址：
https://github.com/obra/superpowers
直接在AI对话中输入“帮我安装这个skill，附带上面的地址即可”，或者你是用codex应用的话，可以在技能栏中找到superpowers安装即可
Superpowers之前在AI编程圈子里传得很广。核心思路是把AI编程拆成一套有约束的完整流程，而不是直接让AI写代码。
不是某个具体的功能，是一套完整的流程。
一步步引导你把想法说清楚 → 帮你产出完整设计文档 → 制定可执行的开发计划 → 再按计划生成代码。
听起来好像只是把步骤拆细了，但实际用起来差别很大。
以前我的习惯是：有个想法，直接让AI写代码，写出来不对，再改，再改，改到最后发现方向就错了，推倒重来。这个循环我经历过不止一次。
后来我换了个方式。先让AI跟我做brainstorming，把需求聊透——它会一直追问，直到我自己都说不出新的问题为止。
然后让它基于对话生成一份完整的设计文档：功能边界、数据结构、接口定义、边界情况。我确认没问题之后，再让它把设计文档拆成一个详细的执行计划，每一步做什么、依赖什么、验收标准是什么。最后才是按计划逐步生成代码。
整个过程下来，代码几乎不需要大改。因为坑在设计阶段就填掉了。
还有一个用法是生成子代理并发处理任务。比如一个功能涉及前端、后端、数据库、审查四块，可以让AI同时启动四个方向的实现，最后合并。这个在中大型任务上省时间很明显。
但有一点要说清楚：这套流程不适合小型任务。你要改一个按钮的颜色、修一个已知的bug、加一个简单的字段——直接让AI写就行，走完整流程反而是浪费时间。判断标准大概是：如果这个任务你自己能在脑子里想清楚全貌，就不需要走流程；如果你说不清楚边界在哪里，就走。
还有一个关键点，也是我踩过坑之后才意识到的：
想要AI严格遵守这套流程，必须在沟通开始时主动强制约束。
我现在每次开始一个新任务，都会先发这段话：
严格按照完整流程执行：必须先完成brainstorming需求对话 → 生成完整设计文档 → 生成详细执行计划 → 最后再写代码。绝对禁止跳过任何环节，禁止直接生成代码。
不加这句话，AI会偷懒。你说”帮我做个登录功能”，它下一条消息就是代码。它不是故意的，它只是在做它认为最有效的事——但那不是你想要的。
只有明确要求它一步一来，才能彻底堵住它跳步的空间。
遇到想不清楚的就问Steve Jobs
这部分可能有点绕，但我觉得是最值得说的。
我在用AI编程工具的过程中，慢慢意识到一件事：AI会把你的懒惰放大。
你越模糊，它越发散。你越不想思考，它给你的东西越臃肿。
很多时候，一个好的产品设计会比你想象中的要重要的多，这决定了你后续是否还需要返工设计。
后来我发现了一个 skill，叫steve-jobs-skill（乔布斯）。
开源地址：
https://github.com/alchaincyf/steve-jobs-skill
它是由花叔制作的nuwa-skill蒸馏出来的人物skill，是一个兼具产品、设计、战略视角的思维框架，用下来就仿佛“乔布斯”在身旁点你的感觉。
当你遇到想不清楚的问题、有争议的决策、或者不确定方向的时候，可以直接调用它。它会结合实际情况，把你的思路拆开来看，有时候说得很直接，甚至有点“骂醒”的感觉。
我现在遇到几种情况会主动用它：
功能要不要做、做到什么程度拿不定主意的时候。它会问你：这个功能是为谁做的？他们真的需要吗？还是你觉得他们需要？
方案有争议、自己也不确定哪个更对的时候。它不会给你一个“两种方案各有优劣”的废话答案，它会逼你说清楚你的判断依据，然后告诉你哪里想错了。
做完一版觉得哪里不对但说不出来的时候。这种感觉最难处理，它能结合浏览器自动化帮你直切出你那“说不出来”。
用下来最大的感受是：它不是在帮你做决定，是在帮你想清楚你自己的决定。
我现在每次开始一个新功能之前，先问自己：如果只能有一个功能，是什么？ 这个问题本身就是 Jobs 式思维的核心——砍掉所有“以后可能需要”的东西，只留核心路径。
而这个skill我在调用时也了解到了产品思维是怎么样的，也在变相地提高我的产品思维能力。
这把刀砍下去，代码量通常会减少一半，但功能完整度几乎不变。
说几句真心话
用了这几个月，我有一个越来越强烈的感受：
AI编程工具把工程师的杠杆率提高了，但杠杆是双向的。好的判断力被放大，坏的判断力也被放大。
以前你写一个烂架构，要花两周时间，痛苦是慢慢来的。现在AI帮你把烂架构快速实现出来，痛苦来得更快，规模更大。
上面说的三件事——让AI反问你、用你的知识体系类比、追问到最简单的方案——本质上都是同一件事：在AI动手之前，先把自己的判断力用起来。
还有一件事必须说：模型选对了，上面所有的东西才能真正跑起来。
我一般用的是GPT 5.5 xhigh和Claude Opus 4.7，我知道如果我一开始就选国产模型，那省下来的订阅费，最后可能要用十倍的时间来填坑。
AI是最好的结对编程伙伴，但你必须是那个更有经验的那个人，用的也得是那个更靠谱的工具。
不然你只是在用更快的速度，走向同一个错误的方向。
这几个月我还在摸索，有些东西还没想清楚。但这些是我目前觉得最值得分享的。
如果你也在用AI编程工具，欢迎在评论区聊聊你的体验——踩过什么坑，发现了什么好用的技巧，都可以说。
免费文档：入门指南网络环境 + Claude Code + Codex，关注公众号回复”文档”获取。
往期文章👇
GPT Plus升级失败？没有虚拟卡、海外信用卡怎么办？全新技术实现24小时自助直充升级GPT
AI完成任务太耗时？想要摸鱼却又怕耽误时间，于是我做了个AI任务完成提醒器
教你在国内用一个套餐同时体验到Claude Code+Codex两大AI编程助手
最后感谢大家能够看到文章的最后，如果你觉得这篇文章对你有启发或者帮助，不妨点个关注，你的支持将是我最大的动力，我们下次见！
AI编程用了几个月，我踩过的坑和真正好用的东西
