2025 年 5 月 22 日，关于 AI 辅助编码的讨论非常两极分化。一方认为未来 12 个月内 90%的代码将由 AI 编写，另一方则认为它只是一个统计词生成器，除了简单的新创应用外无法编写任何代码。若能更细致地理解 AI 擅长的任务，就能调整任务以适应其特点。

“AI 能否编写好代码”的争论是错误的二分法，更有帮助的问题是“AI 在哪些编码任务上表现良好，哪些应避免”。宣称“AI 辅助编码很棒”或“AI 辅助编码是失败的”的人大多在相互误解，若加上具体情境，如“AI 辅助编码在删除功能标志等琐事上很棒”或“AI 在大型代码库中无监督工作时是失败的”，就能进行更有价值的对话。

此外，理解 AI 擅长的任务后可调整任务以适应其特点，从而在日常工作中获得生产力提升。本文将回顾 AI 编码助手的独特特征，并将其映射到编码任务与 AI 优势相匹配的模型（约束-上下文矩阵），展示如何调整工作以更好地适应 AI 能力，目的是让 AI 更多地帮助开发工作并获得更好的结果。

新的人工智能团队成员

• AI 辅助编码适合和不适合的问题：作为软件开发者的 LLM 有独特属性，如代码水平像资深工程师但设计决策像初级工程师，对多种语言等知识了解广泛但不了解代码库等，太急于取悦且不挑战想法等。

• 约束和上下文：可通过两个轴（解决方案空间是受约束还是开放，解决问题所需的隐含知识量）来考虑，即约束-上下文矩阵。

  • 开放与封闭的解决方案空间：水平轴分类任务，如删除功能标志有明显解决方案，而添加用户一次上传多张照片的方式则无约束，开放解决方案空间易导致 AI 做出令人失望的选择，除非给予更多上下文和指导。
  • 隐含与提供的上下文：向 AI 呈现问题时要考虑 LLM 是否有所需信息，当前编码代理每次新会话都重置为新入职状态，除非明确要求，否则不会学习，容易因缺乏现有代码库等上下文而给出“错误”解决方案。

将工作移入 AI 舒适区

• 约束解决方案空间：可通过更直接地指导、分解问题为子任务等方式，使解决方案空间更受约束，如给出更具体的指令（添加迁移现有数据等）、将任务分解为小任务等，利用像“链-氛围”这样的工作流引导 AI 通过开放解决方案空间。
• 提供更多上下文：可通过扩展提示（将更多信息包含在提示中，如使用 redis 进行缓存等）、利用记忆（将规则或记忆放入代理中，如代码库约定等）、使用工具（如通过工具搜索代码库、获取数据库模式等）、阅读额外文档（让代理读取网站文档和内部文档等）等方式，为 AI 提供更多上下文，使其能更好地解决问题。

超越错误二分法

要摆脱两极分化，思考 AI 最擅长的工作以及如何将更多工作交给它，改变思维方式，不要将 LLM 视为能解决所有编码问题的神奇盒子，而是要调整问题以适应其优势和避免其劣势。

挑战与帮助

下次考虑将任务交给 AI 时，考虑约束-上下文矩阵，调整任务以移入 AI 舒适区，如使用“链-氛围”、在提示中提供更多指导、指出额外上下文、设置 MCP 服务器等，与 AI 能力合作而非对抗，能立即获得回报，减少撤销 AI 选择的时间和挫折感，更成功地委派繁琐工作，专注于有趣问题。作者可帮助软件团队采用有效的 AI 辅助开发实践，若公司有此需求可联系。