不少人认为大模型现在已经这么强了，做点事怎么感觉这么弱智。其实，政治的使用方法，是像带实习生一样使用AI工具——就像作者在正文中分享的经验一样。

在科技公司或者开发团队经常能看到这样的场景：某些资深程序员，写代码特别牛，效率特别高，但是很多活都压在他们身上，成为了团队瓶颈，于是老板说，这样不行，给你几个实习生或者新手程序员帮你分担一些吧。

大多数时候这种提议是被拒绝的，倒不是他们藏私不愿意带人，而是在他们看来，把活交给实习生，一个简单的任务都要花几天时间，自己一小时就做完了，中间还要沟通，做完质量不行还要帮忙擦屁股，花的时间超过自己写的时间，一点都不合算，另可自己做。

这些确实是事实，但是可能忽略了一些问题：

实习生是会成长的，很多事情教了一遍就不需要再教第二遍了。

再复杂的程序也是有些“体力活”的，比如说搭个脚手架，新增个模块，简单的重命名/重构，等等。对于资深程序员来说，老是干体力活会倦怠的，但是对实习生来说正好是一个学习的好机会。

能从实习生身上学习到新的东西。当我们对一门技术太熟悉，会有路径的依赖，不太容易发现或者接受新的技术，同样的任务让实习生做，虽然大多数时候不如你做的，但是也会有眼前一亮的时候，能学到一点新的东西或者开阔一下眼界：原来还可以这样！

如果你的任务不能交给实习生做，也许架构上存在一些不足，无法合理的将功能拆分。有些程序员的活不能拆分出来，一个原因可能是架构还不够好，模块都在一起，无法拆分。当然即使拆分后肯定还是有些复杂模块是无法进一步拆分的，这不在此列。

01 首先体力活都交给 AI 来做

体力活指的是那种重复的、要求不高的、繁琐的工作。比如说：

新建一个页面、一个 API

一个数据库增删改查的模块

单元测试

这些活说难也不难，但是自己写有点麻烦，所以我每次都是 Cursor 里面用 CMD+i 唤出 Composer，把相关代码文件都添加上作为上下文，然后提出要求，一个初始的功能就有了。

比如我要为自己的博客网站增加一个 Sitemap 的功能，我当然可以自己写，但光文件都得创建好几个，还得写一些基本的读取数据库和输出 Sitemap 代码，甚至我还得去查询一下 Sitemap 规范。正因为如此，所以我一直懒得加上这功能。

很快就帮我把相关文件都创建好了，虽然说 robots.txt 都给我做成动态的有点业余，但是也还好，至少我知道了内容应该是什么，懒一点就让它重新生成个静态文件，勤快一点就手动创建一个。剩下的就是调试一下，没什么问题就可以发布了。

理论上基于这个结果，还可以一直提要求，知道满意为止，或者差不多了自己接管手动修改一下。

让 AI 帮忙先实现一个基本的模块，意义不仅仅在于减少了体力活，而是帮你开了个头！万事开头难，很多时候真的就是因为没有一个开头就没继续，当有个初始的结果，哪怕烂一点，再基于它上面修改要简单很多，更容易交付。

02 给“实习生”一个葫芦，让他们学着画瓢

对于实习生来说，稍微复杂一点任务很难从无到有做出来，但是如果给他们一个已经做好的模块作为参考，照着葫芦画瓢，那么也能做个差不离。

让 AI 帮你编程也是一样的，你不能指望 AI 能像你一样厉害懂你的代码库，但是你可以教它，把一个类似的实现代码给它参考，甚至于写一段伪代码让它实现。

就拿前面 sitemap 的例子，添加到上下文的 feed.xml/route.ts 就是“葫芦”，有了这个“葫芦”，它去“画瓢”就容易多了，它可以从中去学习最佳实践是什么。

03 设计架构和技术选型的时候，选“实习生”熟悉容易上手的技术

技术选型是一个让人纠结的事情，需要各种考量，现在更是多了一个维度，就是要考虑把 AI 当成你的团队成员，想让 AI 能更好的帮你干活，那么就少造一些轮子，少用一些偏僻的框架或类库，用那种最流行的，训练语料最多的框架和库。

比如我在给自己搭建博客的时候，选的 Nextjs、Tailwindcss、ShadcnUI、D1（Sqlite），这些都是相当流行和容易上手的框架和库，所以我让 AI 帮我实现一个 Sitemap，它能知道在什么创建文件，遵循什么规范，写 UI 也知道如何添加正确的 CSS。

04 将复杂任务分解成简单的任务，让“实习生”帮你完成小的模块

资深程序员和新手程序员的一个分界，就是能不能将复杂模块拆分成简单的小模块。比如我要搭建一个自己的博客网站，就 AI 现在的能力，是没办法自动完成这样一个项目，但是我可以让它帮我创建一个页面，帮我实现一个数据库读写的功能模块，帮我基于数据库读写模块实现一个 API，而我自己，则可以聚焦于数据库的表设计、系统的架构设计、UI 设计这些事情上。

05 向“实习生”学习

现在在实现功能的时候，哪怕我比较熟悉的，我们会习惯性问一下 AI，让它帮我生成一段代码，虽然大多数时候它不一定写的更好，甚至是错误的，但有时候它能提出一种全新的思路，能从中学习到点什么，以后可能就用的上了。

就像大数学家陶哲轩，也在用 AI 帮忙解决数学问题，并非 AI 数学比他厉害，而是给他提供了不一样的思路。

我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。
                                                  ——陶哲轩

06 对“实习生”产出的结果要验证

既然 AI 只是一个实习生，那么就说明它生成的代码是靠不住的，哪怕看起来很好，总是要像对待实习生一样，去对代码做审查，理解它实现的思路，对结果进行测试验证，出现问题让 AI 改进或者手动修复。

如果有人去责怪产品的问题是因为 AI 生成的质量不行，那只能说明是在甩锅，就像你生产环境的故障不能怪这是实习生写的，难道你们不做 Code Review，不做 QA 的吗？

07 最后

如果你把 AI 当成一个资深程序员，那么你大概是要失望的，但是如果你把 AI 当作一个实习生，它真的可以做不少事情，让你提升编程效率。

另外一些现在 AI 还不能完全替代专业程序员的地方：

基于业务需求进行抽象和架构设计的能力

对复杂问题进行分解和统筹规划的能力

出现问题定位和调试的能力

...  ...