AI 编程助手最擅长的是“加速已知模式”：补全、样板代码、常见 API 用法、简单重构。它不擅长的是“理解业务上下文”和“做出架构决策”。
把它当作一个反应很快但需要你把关的结对伙伴，才是正确的使用姿势。
核心原则：让 AI 干“重复与繁琐”，让人干“判断与创新”。
哪些场景 AI 最能帮上忙。
写一半自动补全，提升编码节奏。
为函数/组件生成测试用例。
快速理解陌生代码与库的用法。
根据报错信息给排查方向。
提取函数、优化重复代码。
生成注释与 README 草稿。
让 AI 输出更可控的方法。
说明语言、框架、项目背景与约束，AI 才能给对的答案。
大需求拆成小步骤，一次让 AI 做一件事，结果更可控。
明确要求“给出代码+解释”“不要改其他部分”，减少跑偏。
AI 给的代码必须过你的审查与测试，不要盲信。
用 AI 代码前，先过这五关。
| 检查项 | 说明 |
|---|---|
| 正确性 | 逻辑是否符合需求，边界是否覆盖 |
| 安全性 | 有无注入、硬编码密钥、越权风险 |
| 可维护性 | 命名清晰、结构合理、便于后续维护 |
| 性能 | 有无明显性能隐患或过度设计 |
| 测试 | 是否补了测试，能否通过现有测试 |
不能直接上线。AI 代码必须经过审查、测试与评审。它能加速，但不能替代质量保障。
有这个风险。建议关键能力（架构、算法、排错）保持亲手实践，AI 用于提效而非代劳核心思考。
注意组织的数据与代码保密政策，不要把敏感代码喂给公网 AI。内部/私有模型可规避大部分风险。
核心是上下文质量：把项目背景、技术栈、约束与期望说清楚，并学会用反馈迭代修正输出。
