NeuralGlass

平台发布 · 官方团队

22,345 789📖 约 8 分钟

2026-01-05·AI/大模型CursorGitHub Copilot

我用 AI 写了一个月代码，结论是...

用 Cursor、Copilot、ChatGPT 写了一个月代码，效率翻倍，但也踩了不少坑。分享真实的使用体验和心得。

去年12月，我决定做个实验：一个月内，尽量用 AI 写代码。

用了 Cursor、GitHub Copilot、ChatGPT，甚至还试了 Claude。

现在实验结束了，结论是：AI 确实能提升效率，但没你想的那么神。

我用了哪些工具

1. Cursor（最常用）

Cursor 是个 AI 编辑器，基于 VSCode，内置了 GPT-4。

我主要用它来：

生成代码：Cmd+K 输入需求，直接生成
重构代码：选中代码，让 AI 优化
解释代码：看不懂的代码让 AI 解释

优点：集成得很好，不用切换窗口。

缺点：收费（$20/月），而且有时候会卡。

2. GitHub Copilot（最稳定）

Copilot 是代码补全工具，写代码时自动提示。

它最擅长：

补全重复代码
生成测试用例
写注释

优点：便宜（$10/月），补全速度快。

缺点：只能补全，不能对话。

3. ChatGPT（最灵活）

ChatGPT 不是专门的编程工具，但很好用。

我用它来：

设计架构
debug 复杂问题
写文档

优点：能深入讨论，思路清晰。

缺点：要复制粘贴代码，麻烦。

AI 帮我提升了哪些效率

1. 写样板代码快了10倍

最明显的提升是样板代码。

比如写一个 CRUD 接口，以前要：

定义 model
写 controller
写 service
写 repository
写测试

至少要半小时。

现在，我告诉 Cursor："写一个用户 CRUD 接口，包括增删改查和分页。"

3分钟搞定。

2. 看不懂的代码有人解释了

遇到复杂的算法或者老代码，以前要花很久理解。

现在，选中代码，让 AI 解释，秒懂。

比如这段正则：

/^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$/

我问 ChatGPT，它说："这是密码强度校验，要求至少8位，包含大小写字母、数字和特殊字符。"

省了查文档的时间。

3. 测试用例自动生成

以前我最讨厌写测试，又累又无聊。

现在，写完函数，让 Copilot 生成测试用例，基本能覆盖80%的场景。

剩下20%的边界情况，我再手动补充。

AI 的坑

1. 生成的代码不一定对

AI 会编，但不保证代码是对的。

有次我让 Cursor 写个排序算法，它生成了：

function sort(arr) { return arr.sort((a, b) => a - b); }

看起来没问题，但它直接修改了原数组。

我要的是返回新数组，不改原数组。AI 没理解清楚。

2. 生成的代码很啰嗦

AI 喜欢写得很详细，注释一堆，代码也很冗余。

比如：

// 检查用户是否存在 if (user) { // 用户存在，更新用户信息 user.name = name; user.email = email; // 保存到数据库 await user.save(); } else { // 用户不存在，抛出错误 throw new Error('User not found'); }

我会写成：

if (!user) throw new Error('User not found'); user.name = name; user.email = email; await user.save();

简洁多了。

3. AI 不理解上下文

AI 只看到你给它的代码，看不到整个项目。

比如我让它写个函数，它用了 lodash，但项目里没装这个库。

或者它生成的代码风格和项目不一致。

这需要你自己检查和修改。

4. 越复杂的问题，AI 越不靠谱

简单的 CRUD、工具函数，AI 写得很好。

但涉及到架构设计、性能优化、复杂的业务逻辑，AI 就不行了。

它会给你一个"看起来很对"的方案，但实际上有问题。

我的使用心得

1. AI 是助手，不是替代品

AI 不能替你思考，它只能帮你写代码。

你得知道：

要做什么
怎么做
生成的代码对不对

如果你连需求都不清楚，AI 也帮不了你。

2. Prompt 很重要

同一个需求，不同的 prompt，生成的代码质量差很多。

差的 prompt：

"写个用户列表"

好的 prompt：

"写一个用户列表页面，使用 React + TypeScript，包括搜索、分页、排序功能，调用 /api/users 接口获取数据。"

越详细，生成的代码越符合你的要求。

3. 不要全盘接受

AI 生成的代码，一定要review。

我见过有人直接把 AI 生成的代码提交，结果线上出 bug。

至少要检查：

逻辑对不对
有没有性能问题
有没有安全漏洞
风格是否一致

4. AI 最适合做这些事

根据我的经验，AI 最擅长：

✅ 写样板代码（CRUD、配置文件）
✅ 生成测试用例
✅ 写注释和文档
✅ 解释代码
✅ 简单的重构

不擅长：

❌ 架构设计
❌ 性能优化
❌ 复杂的业务逻辑
❌ debug 诡异的 bug

效率提升了多少

我统计了一下，这一个月：

代码量：比平时多了40%
工作时间：没变（还是8小时）
Bug数量：比平时多了10%（因为review不够仔细）

如果算纯写代码的时间，效率大概提升了 50%。

但整体效率提升没那么多，因为：

需要时间 review AI 的代码
需要时间修改和调整
有时候 AI 理解错了，还不如自己写

会继续用吗？

会。

虽然 AI 不是万能的，但确实能提升效率。

我现在的工作流是：

自己想清楚要做什么
让 AI 生成初版代码
review 和修改
补充边界情况和优化

比全手写快多了。

给想用 AI 编程的人的建议

不要指望 AI 能替你思考：它只是工具
学会写好 prompt：越详细越好
一定要 review 代码：别盲目信任
从简单任务开始：CRUD、测试用例
保持学习：AI 不能替代你的成长

AI 是工具，不是魔法。用好了能提效，用不好就是灾难。

你用 AI 写代码吗？效果如何？欢迎交流。