大概半年前，我开始接触 AI 编程助手，例如 Cursor 和 GitHub Copilot。简单试用后，感觉不太顺手，就暂时搁置了。当时我的感受是：
Cursor 的存在感太强了，用起来不太习惯，还是更喜欢 VSCode。
但随着 AIDE 和 AI 编程插件越来越多地出现在视野中，我隐隐意识到这股趋势不可忽视，应该再次尝试。于是开通了 GitHub Copilot 的付费版，开始在一个实际项目中深入使用。
使用一段时间后，我的整体感受是：AI 辅助编程将会是不可逆转的趋势。越早掌握一款得心应手的工具，越早完成与 AI 的磨合，对程序员的个人发展越有益。
我实践的项目是一个基于 Tauri 2 的 Mac App。粗略估计，其中大约一半的代码是由 AI 辅助生成的。例如，编写一个 React 组件来展示 Playlist 下的 Videos，我先是构建了页面的基本结构，然后逐步细化指令，比如为每个 Video 添加序号，设置鼠标悬停 (Hover) 样式等等。这种感觉就像雇佣了一位高效的实习生来协助完成工作。
可能是 GitHub Copilot 的能力有限，或者我的使用技巧还不够成熟，亦或是当前 AI 编程助手普遍的现状，我发现在面对一些需要「跳跃性思维」才能解决的复杂 Bug 时，这些工具能提供的帮助非常有限。比如我曾遇到一个问题：主题切换在开发模式下运行正常，但部署到生产环境并重启应用后就会失效。这个 Bug 有点隐蔽，结果 AI 也如期望那样未能提供有效的解决方案。再比如，如何将 devtools 工具带到生产环境，同时禁用默认的 Cmd+Shift+I 快捷键？AI 给出的方案都不 Work，最终还是翻了下 Tauri 的源码才找到的思路。 目前看来， AI 编程助手更擅长执行指令明确的任务，根据上下文生成代码片段，但在复杂问题分析、根因定位、以及需要创新性解决方案的场景下，仍然需要人类程序员的深度思考和经验判断。如果未来的 AI 通过更高级的算法和更完善的知识库，模拟甚至超越了「跳跃性思维」，这又会是另一个课题，不过目前看来，还不太需要担心。
「信息滞后」也是一个不可忽视的问题（Cursor 在这方面表现稍好）。Copilot 似乎缺乏有效的机制来实时获取和更新最新的技术文档，因此它生成的代码有时会使用过时的 API。在 Tauri 2 项目中这个问题就比较明显，因为 Tauri 2 的 API 与 Tauri 1 相比变化很大。我经常需要在 AI 生成的代码基础上，手动查阅最新的 API 文档并进行替换。这个问题 Cursor 解决得更好一些，但有时也会出现新旧 API 混用的情况。
基于这次 AI 辅助编程的体验，我开始认真思考：AI 辅助编程的崛起究竟意味着什么？它将如何重塑软件开发行业？
程序员这个职业会消失吗？
如果一个没有编程经验的人，通过 AI 辅助编程工具就能开发出像模像样的产品，那么还需要程序员吗？如果对软件产品的要求仅仅停留在「可用」的层面，那么程序员的价值确实会受到挑战。但在实际软件开发过程中，我们不可避免地会遇到难以调试的 Bug，或者需要突破常规的创新思路才能实现的需求。目前的 AI 工具对复杂上下文的理解还不够深入，在处理复杂问题时常常显得力不从心。如果完全放任 AI 自由编程，结果很可能是 Bug 没解决，代码反而变得更混乱，维护性更差。
在注重协作的组织环境中，程序员被 AI 工具淘汰的速度可能会相对放缓。有相关工作经验的同学应该都有体会，在日常工作中，程序员每天的代码产出量其实很有限，相当一部分时间都花费在需求沟通、Bug 修复、梳理遗留代码、编写文档、Oncall、处理依赖冲突、等待编译构建结果等非直接编程相关的工作上。直接将 AI 引入现有复杂项目，一方面可能存在代码泄露的安全风险，另一方面，AI 由于缺乏对遗留代码完整上下文的理解，可能会生成不符合项目规范或非最佳实践的代码，反而增加维护成本。毕竟最终对代码质量和线上问题负责的仍然是人，而不是 AI。如果线上出现重大事故，总不能给 AI 记个 P1 吧。因此，在注重团队协作和代码质量的大型组织中，程序员受 AI 编程工具的直接冲击可能相对较小。但这种状态能维持多久还不好说，当企业看到 AI 带来的生产力提升潜力后，肯定会围绕 AI 进行组织架构和工作流程的效率革新，届时程序员群体必然会受到影响。
AI 编程的崛起，不是程序员的末日，而是一次进化。AI 不会取代所有程序员，但它将深刻地改变程序员的角色和技能要求。
初/中级程序员如何应对日益强大的 AI 编程工具？
首先要有危机意识，拥抱变革。有了危机感，才能激发学习和改变的动力。如果仍然想从事编程行业，那么首要任务是积极学习并掌握一款 AI 编程工具（Copilot 相对轻量，可以作为入门级选择）。要努力做到与 AI 工具默契配合，充分发挥其代码生成和辅助功能，从而显著提升个人生产力，并将节省出来的时间投入到更有价值、更具挑战性的事情上。
接下来，可以认真考虑未来的职业发展方向。如果希望在编程领域持续深耕，可以着重提升高级程序员应具备的核心技能，例如系统设计、复杂业务逻辑分析、问题分解与抽象、疑难 Bug 调试与根因分析、系统性能优化、创新技术方案设计等等。在这个学习和提升的过程中，也可以借助 AI 工具来提高学习效率，例如在阅读学习优秀的开源代码时，可以利用 AI 辅助代码理解，梳理代码逻辑，解答设计思路上的疑问。
如果对产品方向更感兴趣，或者有创业的想法，则可以投入更多时间在产品设计、用户研究、市场分析等方面，利用 AI 工具快速构建 MVP原型，快速验证产品想法，探索商业模式。
AI 编程下的人机协作新范式
可以将 AI 工具使用者与 AI 编程工具之间的关系比作「交响乐团的指挥家与乐团」。程序员如同经验丰富的指挥家，拥有清晰的愿景和目标，负责软件系统的整体架构和模块设计，指导和协调 AI 工具（如同乐团）高效、高质量地完成代码编写（如同乐曲演奏）。AI 工具如同训练有素的乐团，拥有强大的代码生成和辅助能力，但需要指挥家的明确指令和专业引导才能演奏出优美的乐章。
不同的 AI 编程工具都有各自独特的功能和特点，但与它们交互的核心要点是共通的：精细化任务分解和指令设计，以及代码 Review。 在人机协作的新范式下，程序员不仅需要与 AI 工具高效沟通，还需要与团队成员更好地协作，共同利用 AI 提升团队的整体研发效率和代码质量。
半年前我初次尝试 AI 编程助手效果不佳，也是因为没有掌握与 AI 编程工具有效沟通的精髓。可以将这些 AI 工具视为响应迅速、随叫随到的「外包程序员」，每一次代码改动都相当于一次 GitHub 的 Pull Request。要确保每次改动的目标明确具体，代码改动量控制在可审查的范围内。最终目标是代码虽然不是完全由自己编写的，但对代码的整体逻辑和关键细节都非常熟悉，这样即使 AI 无法解决某些深层次的 Bug，自己也能凭借对代码的深入理解，逐步分析和定位问题根源。
小结
AI 辅助编程的崛起既是挑战，也是机遇，基本上是不可逆转的趋势。如果半年前有人这么跟我说，我可能会将信将疑，但现在对此更加确信。即使只是体验了入门级的 Copilot，也已经真切感受到了它带来的效率提升。尽早找到适合自己的 AI 编程工具，积极完成与 AI 的磨合过程，然后将效率提升所节省出的宝贵时间，投入到扩展和丰富自身技能库上，不断学习和掌握更高级的技能，让自己成为拥抱 AI 浪潮的弄潮儿，而不是被技术浪潮无情淘汰的落伍者。