---
url: 'https://aisee.wiki/learn/ai-coding-intro/index.md'
---
# AI Coding 到底改变了什么

AI Coding 不是“让 AI 替你写代码”，而是工程师从纯执行者转向任务定义者、上下文管理者和结果审查者。

## 三个阶段

| 阶段 | 典型形态 | AI 做什么 | 人要负责什么 |
|---|---|---|---|
| 补全增强 | IDE 内联补全、函数补全 | 根据当前文件续写局部代码 | 写清函数边界、命名和类型 |
| Chat 生成 | 聊天窗口、片段生成 | 根据描述生成代码块、解释错误 | 给出上下文、粘贴错误、审查输出 |
| Agentic Coding | Codex、Claude Code、Gemini CLI 等 | 读取项目、改文件、跑命令、修复错误 | 定义目标、控制权限、看 diff、验证结果 |

补全增强解决的是“少敲一点代码”。Chat 生成解决的是“更快得到一个代码片段或解释”。Agentic Coding 解决的是“让 AI 在项目里完成一段可观察、可回滚、可验证的工程动作”。

真正的变化发生在第三阶段：AI 不只输出文本，而是开始进入你的项目环境里行动。它可能会读 `package.json`，修改组件文件，运行构建命令，再根据报错继续修复。此时你面对的不再是一个问答窗口，而是一个会影响工作区状态的执行者。

## 工程师角色的变化

过去的工作重心是“我来拆任务、写代码、调试”。现在更像是“我定义目标和边界，让 Agent 执行，再审查它的过程和结果”。

这不意味着工程师变轻松了。相反，模糊需求、缺少验收标准、上下文不完整、没有验证都会被 Agent 放大。AI 速度越快，错误扩散也越快。

你需要从“我能不能写出来”，切换到几个更工程化的问题：

* 目标是否足够小，能在一次任务里验收？
* 项目上下文是否足够明确，比如技术栈、目录约定、已有组件和禁止操作？
* AI 是否需要修改文件、安装依赖、运行命令或访问外部系统？
* 每一步的输出如何被检查：看 diff、跑测试、打开页面、检查日志，还是让人做最终判断？

## 控制闭环

很多人第一次接触 AI Coding，会把注意力放在“怎么写提示词”。提示词当然重要，但更关键的是闭环：目标进入上下文，AI 执行动作，结果被观察，再决定下一步。

如果没有闭环，AI 只是在生成答案；有了闭环，AI 才能根据真实项目反馈继续工作。比如它运行 `pnpm build` 后看到类型错误，再回到对应文件修复；或者你指出移动端按钮溢出，它根据截图和 CSS 继续调整。

::: tip 最小控制闭环
一个可靠的 AI Coding 任务至少包含四件事：目标、上下文、权限、验收。缺一个，结果都会变得不可控。
:::

::: warning 常见翻车点

* 一句话让 AI 生成整个项目，没有分阶段验收。
* 没告诉 AI 技术栈、目录约定、禁止操作和完成标准。
* 不看 diff，直接接受大范围修改。
* 看到能跑就结束，没有移动端、构建、测试或安全检查。
  :::

## AI 擅长什么，不擅长什么

| 更适合交给 AI | 仍要人工主导 |
|---|---|
| 样板代码、页面结构、CRUD、测试草稿、文档初稿、局部重构建议 | 业务判断、安全边界、长期架构取舍、隐性需求、合规和生产风险 |

AI 很适合处理已经有明确目标和明显反馈的任务。比如补一个表单页面、根据现有组件写一个新列表、修复构建报错、给函数补测试草稿、把 README 里的启动命令和 `package.json` 对齐。

AI 不适合替你做没有边界的判断。比如“这个业务到底该不该做”“这套权限模型是否满足合规要求”“这个架构能否支撑未来一年变化”。这些问题可以让 AI 帮你列选项、找风险、写评审清单，但最终责任仍在人。

最小心智模型是：你不是在提问，而是在管理一个会写代码的执行者。执行者需要目标、上下文、工具权限和验收标准。

## 第一次练习

第一次练习不要选“重构整个项目”“接入真实支付”“优化线上性能”这种高风险任务。更适合选一个小而完整的任务：

| 练习任务 | 为什么适合 |
|---|---|
| 阅读项目结构并总结技术栈 | 只读、低风险，能观察 AI 如何理解项目 |
| 检查 README 启动命令是否准确 | 有明确文件和验证目标 |
| 复刻一个静态页面区块 | 能练习需求描述、视觉反馈和移动端检查 |
| 给已有函数补测试草稿 | 修改范围小，便于人工审查 |

第一次练习的目标不是“让 AI 一次成功”，而是熟悉它如何读取上下文、提出计划、执行命令、展示 diff，以及你如何让它停下来、缩小范围或重新解释。

## 最小实操

把同一个需求分别用两种方式交给 AI：

```text
模糊版：帮我写一个登录页。
```

```text
明确版：用 Vue 3 写一个登录页，只包含邮箱、密码、记住我、登录按钮。
要求移动端不溢出，表单校验错误用中文，不接真实接口，不新增依赖。
完成后说明改了哪些文件，并告诉我如何预览。
```

对比两次输出时，不要只看页面是否“像登录页”，而要看四个结果：

* AI 是否明确了文件修改范围？
* 是否遵守“不新增依赖”和“不接真实接口”？
* 是否考虑移动端、校验错误和中文提示？
* 是否告诉你如何预览、如何检查结果？

你会看到 AI Coding 的核心不在“提示词漂亮”，而在目标、约束和验收标准是否清楚。

## 核心结论

AI Coding 的本质变化，是把开发从“我直接写代码”变成“我设计一个可执行、可检查的任务闭环”。模型越强，这个闭环越重要；工具越能执行命令，权限和验收越不能省。

下一篇会进入工具和模型选择。先不要急着问“哪个最强”，而要问：当前任务需要补全、聊天、多模态理解，还是一个能在项目里执行的 Agent？