01 — What
不是替代程序员，而是放大生产力
AI 编程（AI-assisted coding）把大模型嵌入编辑器与工作流，让你用意图描述代替大量样板代码。
传统开发里，大量时间花在查文档、写样板、改小 bug 上。AI 编程把这些机械步骤交给模型，你专注于架构取舍、业务正确性与代码质量。
你可以对话生成函数、解释陌生仓库、重构模块、补测试、写文档——就像身边有一位随时可读懂上下文的结对伙伴。
02 — Flow
一次清晰的协作闭环
好的 AI 编程不是「扔一句提示就完事」，而是可复现的工作方式。
1
说清目标
背景、约束、验收标准写清楚，比空泛「帮我写个 XX」有效得多。
2
给足上下文
指向相关文件、接口约定、技术栈与现有风格，减少幻觉与跑偏。
3
小步迭代
一次改一块：生成 → 审阅 → 运行 → 再提反馈，保持可控。
4
人来把关
安全、边界条件、性能与可维护性，最终仍由你负责。
03 — Capabilities
今天它已经能帮你做什么
从脚手架到排障，覆盖日常开发里最高频的环节。
- 写与改代码 按需求生成模块、补全实现、按项目风格重构与重命名。
- 读懂仓库 快速梳理调用链、解释复杂逻辑、定位「这段为什么这么写」。
- 测试与文档 补单元测试、写 README / API 说明、生成变更说明草稿。
- 排错与优化 根据报错与堆栈分析根因，提出修复与性能改进方案。
- 前端与静态页 落地页、后台表单、交互原型——从文案到布局一次成型。
04 — Practice
用得更稳的几条原则
把 AI 当加速器，而不是黑盒决策者。
提示要具体
写明技术栈、文件路径、输入输出与「不要做什么」，比长篇空话更管用。
始终审查 diff
合并前通读变更：依赖、权限、SQL、密钥与边界情况最容易被顺手带错。
用测试锁行为
关键逻辑先写/补测试，再让 AI 改实现，避免「看起来对、跑起来错」。
敏感信息不进提示
密钥、客户隐私、生产库连接串不要粘贴到对话里；用占位符与本地配置。