近期关于AI Coding的感想

本文由 AI 基于平时记录的简短想法扩写而成。

最近这段时间，我几乎每天都在和各种 AI 编程工具打交道。这个过程有点像是在玩一场大型的”抽卡游戏”，有时候你会抽到 SSR，有时候则是连续的 R 卡。

不要用平替，免费的才是最贵的

经过这么长时间的实战，我越来越认同一个观点：在 AI 编程这个领域，免费的工具往往是最贵的。

CC（Claude Code）是我目前用过最顺手的工具，没有之一。GLM、DeepSeek、Gemini 这些工具我也都用过，但说实话，差距还是挺明显的。GPT-5 的模型能力很不错，但 CC 在工程化方面做了大量的优化工作，这部分是 GPT-5 暂时追不上的。

解决难题的能力：CC 在处理复杂问题时的表现真的很出色。比如前段时间我遇到一个棘手的接口返回结果问题，其他工具都没能很好地解决，但 CC 不仅找到了问题所在，还提供了完整的解决方案。

任务规划：这是我最喜欢的一个功能。当面对一个复杂的项目时，CC 能够帮我制定出清晰的实施计划，把大问题拆解成小任务。

多开能力：可以同时处理多个任务，这对于提高效率来说太重要了。

自定义命令：可以根据自己的使用习惯定制命令，这个功能看似简单，但用起来真的很爽。

Sub Agents：用于搭建自己的工作流，很赞。

opus 模型规划模式：这个用来做规划真的很强（不过记得用完要切换回 Sonnet 模型，否则 token 消耗飞快）。

说到 AI 编程，就不得不提到一个很有趣的现象：我把它称为”抽卡的快乐与精炼保底的愤怒”。

玩过《命运方舟》的朋友应该都懂精炼装备的痛苦。你想提升装备等级，但每次精炼都有失败的概率。有时候你会连续失败很多次，直到达到所谓的”保底”次数才能成功。AI 编程的感觉很像这样——每次你和 AI 对话，你都带着这次能解决问题的期望，但结果往往是失望。

就像前几天，我遇到了一个接口返回结果中存在单引号的问题。为了解决这个”小问题”，我不得不把整个 AI 写的程序流程重新梳理了一遍。这个过程真的很煎熬，就像连续精炼失败一样，每次都以为这次能成功，但每次都差那么一点点。

不过，正是这种”精炼保底”的过程，让我对整个系统有了更深入的理解。为了解决单引号的问题，我不仅搞清楚了 AI 生成的代码逻辑，还学会了如何让 LLM 先定义输入输出，然后我们去校验，最后再执行。这个经验教训很深刻：大的问题靠工作流和方法论解决，小的问题还得靠自己的经验和思考能力。

在实际使用中，我发现 Claude 和 GLM4.5 在一些细节上的差别挺大的：

命令遵循度：Claude 在这方面表现更好，不会随意”创新”，而是严格按照你的要求执行。GLM4.5 有时候会自作主张，比如你让它写代码，它可能突然开始测试或者用英文回答。

全局上下文理解：Claude 对整个代码库的理解能力明显更强，能够把握项目的整体架构。GLM4.5 在这方面相对弱一些，更容易陷入局部最优。

系统提示词：Claude 对系统提示词的执行更加严格，这对于保持输出的一致性很重要。

Cursor 也是一个很不错的工具，特别是它的多窗口功能，让代码编写变得更加高效。像是你拥有了一群”赛博黑奴”，哈哈。

同事推荐的使用策略：做规划的时候用 Claude-4-Sonnet，其他时候用 auto 模式，包括写代码、查资料等。这样搭配使用效果最好、最省 token。

新任务记得/clear：这个简单的习惯能够避免很多上下文混乱的问题。

编辑器集成问题：关于是否要集成到编辑器，我觉得看个人喜好。目前集成版本还有一些显示 BUG，我更喜欢独立使用。

写脚本切换模型：为了提高效率，我写了一些简单的脚本来快速切换不同的模型，这个技巧真的很实用。

在长期使用 AI 编程工具的过程中，Token 成本也是一个需要考虑的问题：

前几天我搞了一个用来学新知识的小工具：解析 PDF 文件、转换为文本、AI 优化文本内容、存储数据、最后生成题目。我的处理流程是这样的：

这个流程的效果很好，每个阶段都用了最合适的工具，既保证了质量，又提高了效率。

#AICoding