平时用什么 AI 工具？怎么看 AI 编码？

省流

常见用法是把大模型放进编辑器或终端，做补全、解释、重构建议、测试草稿和文档草稿。代表形态包括 IDE 内嵌助手（如 Cursor、GitHub Copilot）、对话式聊天界面，以及可调用工具的 Coding Agent。它们提高的是起草与检索速度，不自动等于正确的设计、安全的变更或可合并的代码。

对 AI 编码的合理看法是：加速草稿，不替代工程判断。模型擅长局部模式匹配与样板生成，弱于完整把握未写入上下文的约束、隐性业务规则和线上风险。因此生成结果必须经过阅读、静态检查、测试和（必要时）人工审查；涉及权限、密钥、数据删除与并发正确性的改动，更不能“生成即合并”。

常见工具形态

形态	做什么	典型局限
补全 / 行内建议	根据光标附近代码续写	上下文窗口短，易与仓库其他约定冲突
对话式助手	问答、解释、改一小段	看不到未粘贴的代码与运行结果
Coding Agent	多步读文件、改文件、跑命令	仍可能误改、漏测、越权操作

具体产品会迭代改名，回答重点应放在能力形态，而不是背品牌列表。

AI 编码适合什么、不适合什么

较适合：

• 样板代码、测试骨架、错误信息解读
• 在已有风格下的局部重构建议
• 把口头需求整理成检查清单或实现草案

需要谨慎：

• 跨模块架构决策与数据一致性方案
• 安全边界、权限模型、密钥与审计相关改动
• 性能敏感路径与并发协议
• 没有复现步骤或没有验收标准的“顺便修一下”

推荐工作方式

明确目标与约束
  -> 让模型提出或生成草案
  -> 自己读 diff，核对边界条件
  -> 跑测试 / 类型检查 / 相关手工验证
  -> 再提交或继续追问

把模型当成速度快的结对对象：它负责起草，你负责定义完成标准与否决权。