95%代码AI生成，是的你没听错...…

不是标题党，这是我的真实经历

95%的代码由AI生成？听起来像标题党，但这是我最近使用Augment Code的真实情况。

相信现在大多数人都用过ai来写代码，笔者也是ai工具的拥抱者，从一开始的GitHub Copilot补全，到后面的Agent编程：Cursor、WindSurf、Zed等，但其实效果一般。直到用了Augment Code，才发现差距这么大。

上个月做数据看板，以前要一天的工作量，现在半小时搞定。图表、数据处理、样式，基本都是AI生成的。

当然，也不是什么代码都能让AI来写。复杂的业务逻辑、架构设计，还是得靠人。但对于大量的重复性编码工作，AI确实能大幅提升效率。 如果你也在用AI编程工具但效果不理想，这篇分享可能对你有帮助。

AI工具对比

在这之前，让我们先来看下市面上的AI编程工具吧

先看个数据对比，心里有个底

工具	响应速度	准确率	月费用	我的使用感受
GitHub Copilot	0.5-1秒	75-80%	$10	老牌稳定，但有点跟不上节奏了
Cursor	1-2秒	85%+	$20	体验最好，就是有点贵
Windsurf	0.8-1.5秒	80%+	$15	自动化程度高，UI很舒服
Augment Code	1-1.5秒	声称很快	$50	大项目理解能力确实强
Cline	看模型	75%+	免费+API	开源良心，功能够用

GitHub Copilot：老前辈的逆袭之路

这个应该是最早的AI代码补全工具了，通过tab键快速补全你的意图代码...但是在后面的AI编程工具竞赛中热度却没有那么高了。。。不过最近的数据让我有点刮目相看。

最新重大消息： 据微软2024年财报显示，GitHub Copilot用户同比增长180%，贡献了GitHub 40%的收入增长¹。这个数据还是很惊人的，说明虽然新工具层出不穷，但老牌工具的用户基础还是很稳固的。

实际使用感受：

• 响应确实快，基本0.5-1秒就出结果
• 准确率比我之前用的时候提升了不少，从70-75%涨到了75-80%
• 最大的问题还是对整个项目的理解不够深入，经常给出的建议比较浅层

最近的更新还挺给力：

• 2024年底推出了免费版，这个对个人开发者来说是个好消息
• 2025年2月新增了Agent模式，虽然来得有点晚，但总算跟上了
• 现在支持多个模型了，包括GPT-4o和Claude 3.7 Sonnet

用下来感觉...GitHub Copilot虽然不是最炫酷的，但胜在稳定和用户基础大。如果你不想折腾，它还是个不错的选择。

Cursor：估值99亿美元的AI编程独角兽

说实话，Cursor是我用过体验最好的AI编程工具...界面设计得很舒服，功能也很强大，就是价格让人有点肉疼。不过最近的融资消息让我对它更有信心了。

重磅消息： 2025年6月，Cursor的母公司Anysphere完成9亿美元融资，估值达到99亿美元²！这个估值是三个月前的四倍，说明投资人对AI编程工具的前景非常看好。年化收入约每两个月翻倍，6月份已经超过5亿美元。

为什么说体验好：

• 专门为AI编程优化的界面，用起来就是爽
• 多文件编辑能力真的强，能理解整个项目的上下文
• Composer功能让我可以一次性修改多个文件，这个太实用了
• 代码生成准确率达到85%+，确实比其他工具高一截

数据说话：

• 2024年用户突破100万，增长了300%
• 响应速度虽然比Windsurf稍慢，但比我之前用的时候改善了很多

实际体验中，Cursor确实是我见过的最接近"AI原生编程"的工具。现在有了这么高的估值，说明它的商业模式是被认可的。

Windsurf：被断供的自动化之王

Windsurf给我的感觉就是...它真的很"聪明"，很多事情都能自动帮你搞定。但是最近发生的事情让我有点担心它的未来。

重大危机事件： 2025年6月4日，发生了一件震惊AI编程圈的事情：Anthropic突然断供Windsurf对Claude 3.x系列模型的API访问权限³！Windsurf CEO公开控诉，称仅获得不到5天的通知时间，措手不及。

这个事件的背景很复杂：

• 4月份传出OpenAI要以30亿美元收购Windsurf的消息⁵
• Anthropic可能是为了保护自己的商业利益，不想让竞争对手OpenAI获得优势
• 结果就是Windsurf用户大量退订，直接影响了用户体验

应对措施：

• Windsurf紧急转向谷歌Gemini模型
• 推出了Gemini 2.5 Pro的七五折促销
• 取消了免费用户对Claude模型的访问权限

最让我印象深刻的功能：

• Cascade功能真的是原创，能自动分析你的代码库然后选择正确的文件来工作
• 使用Claude 3.5 Sonnet的时候响应速度确实很快（现在用不了了...）
• UI设计很精致，用起来有种苹果产品的感觉

用下来感觉，Windsurf的技术实力是有的，但这次断供事件让我意识到，依赖单一模型提供商是有风险的。不过要注意的是，它们已经推出了自研的SWE-1模型，可能是为了摆脱对第三方模型的依赖。

Augment Code：SWE-bench冠军的实力证明

这个工具...怎么说呢，在处理大型项目方面确实有两把刷子。最近的权威测试结果更是证明了我之前的判断。

权威认证数据： 在SWE-bench测试中，Augment Code确实获得了第一名⁴！这个测试是用真实的GitHub问题来评估AI工具解决实际软件工程问题的能力，含金量很可以。

为什么说它厉害：

• SWE-bench测试排名第一，这个不是吹的
• 对大型代码库的理解能力确实强，我试过几个10万行+的项目，它都能很好地理解上下文
• "记忆"功能很有意思，能学习你的编程风格和偏好

企业级的实力：

• 被很多Fortune 500公司采用，说明在企业环境下表现不错
• 在复杂重构场景下表现确实突出，这个我深有体会

实际使用中，如果你经常处理大型复杂项目，Augment Code确实值得考虑。SWE-bench第一名的成绩给了我更多信心。

Cline：开源界的良心

说到Cline，这个真的是开源界的良心产品...完全免费，功能还挺强大。

开源的优势：

• GitHub上42.6k+星标，社区很活跃
• Agent能力做得很不错，能执行复杂的任务序列
• MCP协议支持做得很好，扩展性强

如果你预算有限或者喜欢折腾开源工具，Cline是个很好的选择。特别是现在Windsurf被断供，Cline的稳定性反而成了优势。

Augment Code使用技巧

安装使用

Augment Code的安装很简单，它是作为插件来使用的，支持Vscode、JetBrains IDEs、Vim and Neovim，当然Cursor也可以用。

在插件中搜索 "Augment"，第一个就是了

安装完成之后需要注册登录，在浏览器中注册完成之后会跳回Vscode就完成登录了。新用户是有14天的免费使用的（包含300的用户提问次数），可以使用全部的高级功能，这点比Cursor就好很多了。

在打开新项目的时候，Augment 需要索引项目，这会将你的代码文件加入到上下文中，Augment是专门为复杂项目设计的，超长的上下文读取，这也是相比其他ai编程工具的一个优势。

这是索引之后的界面，最上面是聊天界面的管理，一个Thread就是一次chat，这里定义为 "线程" 也挺形象的。

右边是创建"线程" 的形式，主要有3种：

• Chat

和其他ai编程工具没啥区别，可以询问有关您的代码的问题，获取有关如何重构代码的建议，向选定的代码行添加新功能等

• Agent

这是Augment 的主要工作模式，和Cursor 的Agent Mode一样，Agent会自动帮你规划任务，结合当前工作区、内存、上下文等信息帮你分析和规划任务，代理可以在您的工作区中创建、编辑或删除代码，并可以通过 MCP 使用终端和外部集成等工具来完成您的请求。

你可能还看到旁边的 "Auto" 开关，开启之后，Augment 会自动执行每个任务的命令，比如在终端执行脚本、编辑文件等，如果没有开启，你需要手动确认。

你可能发现Augment 并没有和其他ai编程工具一样有大模型的选择，因为他们团队认为模型的选择应该是自动的，Augment会根据以下因素动态选择最佳模型：

✅ 任务类型（代码完成、聊天、内联建议）

✅ 跨实际编码任务的性能基准

✅ 成本与延迟的权衡

✅ 人工智能模型的最新进展

这也是我觉得Augment值得夸奖的一点，因为作为提供给开发人员的编程工具，不需要他了解每个大模型的优缺点进行选择；Augment会自动的使用不同的大模型进行组合，比如思考任务的时候用这个大模型，编写代码的时候用另一个大模型，来达到最佳的生产力效果。目前已经Augment 已经内置了最新的 Claude Sonnet 4 了

• Remote Agent

这个模式是新出的，是在云端上完成你的任务，可以针对独立任务并行运行多个代理，并在 vscode 中监控和管理它们的进度。

这个需要连接github仓库使用，当代理完成工作后，可以创建拉取请求 (PR)，审核您的更改并将其合并到主分支中。从头部的Threads 中选择代理，然后点击"创建 PR"。代理将创建分支、提交更改并为您创建拉取请求。

使用技巧

介绍到这里，基本上你就可以愉快的去使用Augment来感受他的魅力啦，但是，还是请你继续看下去，对于AI编程工具而言，Augment 有时候也会和其他ai工具有相同的问题。比如说，你是不是有时候觉得cursor帮你生成了太多代码了，而且还影响到了之前的功能？有时候ai工具不能很好的理解你的意思？

这里就需要使用到一些技巧了，这也是Augment官方推荐的做法，其中这些思想同样适用其他ai工具：

首先在输入问题完成之后，你可以看到旁边有个 ✨按钮，你可以点击它来帮你完善你的问题，它会根据上下文结合大模型来优化你的提问，让生成的质量更高

提示应该详细，不要太短

对于复杂的任务尤其如此。试图仅凭提示中的几个词来完成一项复杂的任务几乎肯定会失败。

这一点我们可以通过点击输入框右边的 ✨按钮， 可以很好的帮我们解决这个问题，示例： 这是未优化之前的：

这是点击优化后的，已经帮你详细的补充了要素和步骤等关键信息：

向 Agent 提供全面的背景信息

不仅要解释最终目标，还要解释背后的原因、额外的限制等，比如可以提供github issue等链接

将复杂的任务分解成更小、更易理解的部分（一次一个）

对于复杂的任务，首先与 Agent 讨论并完善计划

不要急着让Augment写代码，这样写出来往往不合人意，可以先和他确认方案再让他进行生成

Agent 擅长迭代测试结果和代码执行输出

完成任务之后，可以顺便让他帮你编写测试用例来验证这次的生成质量是否满意，让ai自己监督自己，是不是很有意思呢

试试 Agent 来处理你不熟悉的任务！

即使这个任务你不会，但是你丢给他之后，也许会有新的思路帮你完成，这也是ai的优势，连接互联网知识库，可以给出不一样的思路和解决方案

当Agent表现良好时，提供积极的反馈

多夸夸它

通过上面的建议，我整理了一套提示词模版，在顶部右上角点击设置图标打开Setting：

输入下面提示词自动保存：

As my AI coding assistant, please view our collaboration as working with a smart and professional engineer. I hope you can fully leverage the following capabilities: 

1. Reply in Chinese;

2. Code Understanding and Analysis:
- Before carrying out the task, please thoroughly understand the relevant code and project structure.
- Use your code repository search tools to explore related files and dependencies.
- Analyze the existing code patterns and architectural design to ensure that the new code is consistent with them. 

3. Task Planning and Execution:
- For complex tasks, please first develop a detailed plan and discuss it with me. Only proceed after obtaining confirmation.
- Break down large tasks into manageable sub-tasks and implement them step by step.
- Provide progress updates and interim results after each key step. 

4. Code Quality and Testing:
- Write high-quality code that conforms to the project's style guide.
- Proactively write and run tests after implementing features to ensure the code works properly.
- Consider edge cases and exception handling to enhance code robustness. 

5. Learning and Iteration:
- If you encounter unfamiliar technologies or frameworks, proactively search for relevant documentation.
- Iteratively improve the code based on test results and feedback.
- When facing difficulties, explain your understanding and the methods you have tried. 

6. Communication and Collaboration:
- Clearly explain your thought process and the reasons for your decisions.
- When you need to clarify a question, please start your inquiry with "This is just a question:".
- Offer multiple possible solutions and analyze the advantages and disadvantages of each. 

I will try my best to provide detailed task descriptions, background information and constraints to help you better understand the requirements. If the information is insufficient, please feel free to ask questions to obtain the necessary context. 

Let's work together efficiently and create high-quality code!

你可以自行翻译一下，这都是之前提到的建议总结，并加上了要求使用中文回复

使用示例

下面就以一个常见的工作场景来试下效果吧，这里以一个 nextjs 实现的 博客项目为例，现在已经有个博客的内容展示、主题切换功能，让我们新增一个评论功能吧。 在Augment输入框中输入：

我希望在这个项目中加入评论系统，集成 Giscus，请你给出实现的方案和步骤代码吧。请你分析给出技术方案和我确认，不要修改代码

这里以比较常用的开源的Giscus项目为例子，展示如何接入。

输入之后点击提示词增强按钮 ✨

这里会帮你优化你的提问，同时注意不要让Augment直接修改代码，先给出方案设计在确认，这就是我们刚才说的使用技巧，点击发送后Augment会自动帮你分析和规划任务：

Augment的回答很长，它不仅给出了详细的方案步骤和代码，还询问了你一些需求需要确认的信息，它会根据你的反馈来调整和实施代码。

在这里的时候，你需要大致的看下它的方案有没有问题，这也是你唯一需要确认的一个关键步骤，等确认方案后再继续下一步的代码实施。

这里我们回答它提到的一些关键信息，然后让他开始实施即可：

这是我的github地址：https://github.com/barry166/next-blog，需要怎么启用Discussions功能呢？请你详细描述下，我希望评论区在每篇文章底部，中文，默认跟随网站主题

然后到了Augment 实施代码的步骤了：

这里给出了具体的需要我们手动实施的步骤，我们根据他说的去我们的Github 和giscus上进行配置，同时Augment 还贴心的为我们编写了文档 ，这里我们根据配置完成之后启动项目查看下：

在博客详情页最下方出现了评论，同时登录后还可以增加评论。

就这样，我们在Augment帮助的情况下，一次性接入了 giscus 评论系统，在这之前我们连giscus的文档也没有看，只是用ai询问了一下哪个开源的评论系统接入比较好，就直接一次性的接入了，这大大的提升了我们的项目开发效率！

项目代码已经上传到了 Github ，你可以点击查看 Augment 生成的GISCUS_SETUP 文档，我们没有写一行代码，只是根据Augment的提示配置了Github、giscus 和环境变量。

思考与总结

再次回看下我们的内容，其实95%代码由AI生成一点也不夸张。Claude 团队也说过，他们90%-95%的代码都是由AI编写完成，这里大部分代码功能都是：

• CRUD、UI组件、基础逻辑 → 全部交给 Claude 生成
• 测试代码、日志模块、文档注释 → AI 全包
• merge request 审查 → AI 做初审，人类只最后过一眼
• 复杂业务逻辑、跨模块集成 → 部分由 AI 起草，人类参与较多

可以发现大部分的体力活，都可以由AI来完成，开发者只要完成"决策"就够了

AI 时代，程序员应该掌握什么技能？

在 AI 正加速变革软件开发流程的今天，程序员的技能结构也正在发生深刻的转变。从个人使用体验来看，程序员首先应该学会如何高效使用各类 AI 工具 。不仅仅是编程相关的工具，比如 Augment、 Copilot、Cursor、Windsurf 等，还包括写作、任务管理、流程自动化、产品设计等能提高整体生产力的 AI 工具。

1. 熟练掌握AI工具，重构你的工作方式

如今，AI 已不再只是一个"语法补全器"，而是可以：

• 帮你设计项目架构草图
• 生成符合你技术选型的模块代码
• 自动生成单元测试并跑通测试用例
• 生成文档、构建脚手架，甚至做基础调优

过去它是你的工具 ，现在它更像你的助手 甚至是实习生或下属 。你只需要对项目大方向、架构逻辑做判断，剩下的大量"体力活"可以交给 AI 来完成。这对程序员提出了新的要求：你懂得让 AI 高效为你工作，甚至主导它的工作流程。

2. 掌握AI背后的基础原理，提升理解和控制力

虽然大多数 AI 工具都在追求"即插即用"，但如果你能理解其背后的基本原理，如：

• 提示词工程（Prompt Engineering）
• 多智能体系统（AI Agents）
• 大模型微调和上下文窗口管理
• 链式思维（Chain-of-Thought Prompting）

你就能在面对复杂问题、或使用 AI 工具出现偏差时，更快地找到解决办法。

这些原理不要求你成为 AI 研究员，但理解其运行方式，至少能让你成为"更会用 AI 的程序员"。

3. 保持对行业趋势的敏感度

AI 相关工具和平台的更新迭代速度极快，建议定期关注以下内容：

• OpenAI DevDay（开发者大会）
• Google I/O
• Anthropic、Meta、Mistral 等发布的大模型更新
• GitHub Copilot、Cursor、Replit 等 IDE 的新功能

你不需要追踪每一个小版本更新，但对趋势保持敏感，能让你在工具选择、技术选型、团队协作中拥有更强的判断力。

4. 强化原理性与架构性思维

随着 AI 工具替代更多低层重复性劳动，程序员的核心竞争力将回归到架构设计、系统思维与领域建模能力 。换句话说：你不是在写代码，而是在设计系统，并引导 AI 写代码。

如果你能从项目一开始就清晰地规划好架构，AI 工具完全可以接过大部分实现工作。这要求程序员转型为更具战略性和抽象思维能力的角色。

---

结语

在这个"AI 增强开发"时代，程序员最宝贵的能力不再是"会写代码"，而是"能构建系统，并高效驾驭 AI 写代码"。你不需要和 AI 拼码速，但你必须学会用 AI 重塑自己的开发流程和工作方式。

AI 以后会不会取代程序员我不知道，但会取代那些不懂得用 AI 的程序员。

🚀 推广一下：

• i-resume.cn：我去年开发的 AI 简历生成网站，AI 参与度非常高，甚至页面设计和内容都由 AI 主导完成。那时候 AI 编程工具远不如现在，这也让我对 AI 的未来发展更有信心。

参考链接

AI model pickers are a design failure, not a feature

How to build your Agent: 11 prompting techniques for better AI agents

Best practices for using AI coding Agents