文章目录
-
- 概要
- 前言
- [1. AI能做什么?](#1. AI能做什么?)
-
- [1.1 目前AI无法完成一整项工作任务](#1.1 目前AI无法完成一整项工作任务)
- [1.2 AI可以为完成局部难点](#1.2 AI可以为完成局部难点)
- [1.3 补全业务漏洞](#1.3 补全业务漏洞)
- [1.4 创意与灵感激发](#1.4 创意与灵感激发)
- [2. 如何让AI协助自己](#2. 如何让AI协助自己)
-
- [2.1 工作模块化拆分,一项一项交给AI](#2.1 工作模块化拆分,一项一项交给AI)
- [2.2 完整的方案给AI帮你查缺补漏](#2.2 完整的方案给AI帮你查缺补漏)
- [2.3 创意与灵感激发](#2.3 创意与灵感激发)
- [3. 注意事项](#3. 注意事项)
- 小结
概要
如果你把你的工作可以拆分的仅仅有条,那么AI就可以协助你完成部分工作。
前言
本人是一个IT从业者,从一毕业就开始从事开发工作。这里笔者将这几年来AI协助提效的一些想法分享一下。
1. AI能做什么?
1.1 目前AI无法完成一整项工作任务
- 核心限制:AI缺乏业务上下文理解、系统级架构设计能力,无法独立完成需求分析→架构设计→编码→测试→部署的全流程开发。
- 典型场景:
- 无法根据模糊需求自动生成完整代码仓库(如"开发一个电商系统")。
- 难以处理复杂业务逻辑的边界条件(如订单退款规则中的地区政策差异)。
1.2 AI可以为完成局部难点
场景1:代码调试与优化
- 操作:提交报错信息或性能瓶颈代码片段,获取修复建议,现在AI往往比互联网搜索更加精准的找到问题的关键。
场景2:算法实现辅助
- 操作:一些网络没有的东西,描述算法需求,获取代码实现或优化思路。
-
示例Prompt:
基于mysql使用sql实现一个数字金额转人民币大写的方法。
-

场景3:API文档解读
- 操作:输入API文档段落,要求用通俗语言解释技术细节。
-
示例Prompt:
解释AWS S3的预签名URL生成机制,并给出Python SDK的调用示例。
-
1.3 补全业务漏洞
场景1:代码审查辅助
- 操作:提交代码片段,识别潜在安全漏洞或代码异味。
-
示例Prompt:
检查以下SQL查询是否存在注入风险,并提供参数化改造方案: "SELECT * FROM users WHERE id = " + userInput;
-
场景2:测试用例生成
- 操作:根据函数定义自动生成边界测试用例。
-
示例Prompt:
为以下Java函数编写JUnit测试用例,覆盖所有分支条件: public int calculateDiscount(int orderPrice, boolean isVIP) { ... }
-
场景3:技术方案验证
- 操作:提交技术方案,检查逻辑漏洞。
-
示例Prompt:
我的微服务熔断策略是:当10秒内失败率超过50%则触发熔断,5秒后尝试半开状态。请指出可能的问题和改进建议。
-
1.4 创意与灵感激发
场景1:技术选型建议
- 操作:对比不同技术栈的优劣。
-
示例Prompt:
为一个高并发实时聊天应用推荐后端技术组合(消息队列+数据库),要求开源且社区活跃,对比Kafka vs RabbitMQ,Redis vs MongoDB。
-
场景2:架构模式探索
- 操作:获取特定场景的架构设计灵感。
-
示例Prompt:
设计一个支持百万级设备连接的IoT平台架构,列出核心组件及其通信协议选择依据。
-
2. 如何让AI协助自己
2.1 工作模块化拆分,一项一项交给AI
步骤示例(开发一个REST API):
-
需求拆解:
将"开发用户管理API"拆分为: - 数据库表设计(字段、索引) - Spring Boot控制器层代码 - Swagger文档生成配置 - JWT鉴权实现
-
分步执行:
-
Prompt 1:
设计一个用户表结构,包含基础信息字段,要求支持手机号登录和软删除,使用MySQL语法。
-
Prompt 2:
用Spring Boot编写一个创建用户的POST接口,要求验证手机号格式,返回标准JSON响应。
-
2.2 完整的方案给AI帮你查缺补漏
操作流程:
- 先输出自己的完整设计方案(文字/伪代码/流程图)。
- 要求AI进行逻辑验证和补充。
-
示例Prompt:
以下是我的分布式锁实现方案: 1. 使用Redis SETNX命令 2. 设置30秒超时时间 3. 业务完成后主动删除key 请指出可能存在的风险,并提出改进建议。
-
AI可能反馈:
- 风险1:业务处理超时导致锁提前释放(建议:增加看门狗线程自动续期) - 风险2:非原子操作误删其他线程的锁(建议:用Lua脚本保证原子性)
-
2.3 创意与灵感激发
场景1:自动化脚本灵感
-
示例Prompt:
我需要一个自动化脚本,每天凌晨3点扫描Nginx日志,统计请求量TOP10的接口,将结果邮件发送给团队。请给出Shell/Python实现思路。
场景2:新技术学习路径
-
示例Prompt:
我想学习Kubernetes运维,请制定一个4周的学习计划,包含核心概念、实验项目和常见故障排查方法。
3. 注意事项
- 代码可信度验证:AI生成的代码需经过严格测试,警惕"幻觉代码"(语法正确但逻辑错误)。
- 敏感信息过滤:避免提交含密钥、内部IP等敏感信息的代码片段。
- 知识产权合规:检查AI生成的代码是否涉及开源协议冲突。
小结
AI算力的进步,给我们的带来了很多便捷,把工作成分成模块化的碎片的利用AI实现,确实可以达到事半功倍的效果。