周日写的文章忘记发了，这里补上。
昨天和一个朋友吃饭，他刚开始使用 AI 编程，跟我抱怨，提示词也学了，工具教程也看了，怎么生成的代码还不如自己写呢？
自从开始 AI 编程后，这样的话我已经听到过很多次了。
而基于上面的情况，很多人就认为，AI 编程目前还只是玩具，或者只是一个智能点的搜索引擎。
大家好像期望学习一下工具、提示词就掌握了 AI 编程。
但在我持续 AI 编程一年多后，我感觉，AI 编程并不是一个短期就能提升 的过程，除了掌握技巧外，我们更需要 AI 编程的熟练度。
1. 没有熟练度，你甚至都不知道这个问题是否适合 AI 解决。
首先，我们需要认识到，目前的编程 AI 远没有达到通用模型的层级。
一个完全没有出现过的问题场景，AI 就根本无从下手。
还有一些问题，比如涉及整个系统的业务背景，上下文太复杂。AI 很难抓住重点，一不小心就开始"编故事"。
另外，还有一些细节场景，人工修改也许才是更高效的，比如，页面元素的高度优化。
2. AI 都有各自的偏好，只有熟悉的人才能更好地绕开它的短板
我们用来编程的 AI，由于训练数据的不同，都会存在各自的优缺点。
当然，如果你有非常强的财力和工程组织能力，可以结合多模型优势互补，那当然更好。
但对大多数人来说，我更建议日常开发使用时，固定某一工具和AI的搭配。
这样，我们在处理实际问题时，才会更加快速地熟悉自己选型的偏好，才能更好地产出优秀代码。
比如，有些模型在生成 Java 后端代码，会优先使用 Mybatis-Plus，而不是原生 Mybatis，但有些模型就能准确识别并应用到生成结果中。
3. 真正的提效，是把 AI 编程用成下意识
我们自己写代码时，很多操作根本不需要思考：
- 面对Java控制器会增加参数验证
- 面对表单元素，需要增加默认值
AI 编程其实也一样。
我们不能每次都从头设计提示词，一次次的生成后再去改进。
人工完成一个需求可能需要 10 分钟，我们使用 AI 生成一次需要 3 分钟。但要是一次次尝试并改进提示词的生成，可能完成需求合计的时间比人工都多，这就有点得不偿失了。
结语
当然，技巧依然重要。提示词的编写、工具和模型的选择、规则的设置，都是 AI 编程用好的基础。
但，技巧可以让我们快速入门，熟练度才是编程提效的关键。
希望大家除了学习技巧外，多去尝试，多去实践，真正熟悉 AI，让 AI 编程真正地提升开发效率。