背景
AI大行其道的当下，AI要取代程序员了、程序员这个职业要消失了之类的声音可谓是不绝于耳，所以就体验一把AI编程。
体验过程
选型
首先是选模式，像代码补全这种辅助型的肯定是不在考虑范围内的。
之前，同事使用智能体自动帮他改程序，结果被狠狠坑了一把：代码看起来很不错，但是测试后却发现很多问题，比如别的很多没让改的功能和原来的不一样了，比如多了一个假死的特性，比如再也不会触发docker的自动重启了……总之，甩手掌柜的方式是pass了。而Cline这种先规则再执行，而且中间必须要人工确认的方式，反倒是挻符合软件开发的核心流程。
然后是选模型。国外的需要梯子，pass了。国内的，DeepSeek算是领军模型了吧，而且刚发了V4；另外一个，选了智谱GLM-5.1，无他，刚好有key而已。
**说明：**刚开始时Cline默认只能接入deepseek-chat和deepseek-reasoner，后来才有deepseek-v4-flash和deepseek-v4-pro。
使用
正式使用之前，还是做了一些功课，包括如何使用Cline，如何写提示词等。
写函数
先写好函数的声明，定义好入参和返回值，然后让AI写具体实现。
测试一
先来个简单的：给一个初始日期和周期，列出截止到当天的所有符合的日期。结果，很不错。
测试二
来个现实场景的：输入N列数据，每个数据为电能表读数的k-v，要求得出有电量变化的时间段，多列之间取并集，同时要剔除掉电量为0等异常值。
结果，很糟糕！粗看代码，很像回事，注释也把逻辑写得比较清楚，但是一给数据跑出来的结果就让人火大：有起止时间完全一样的时间段，还有电量根本没变化的时间段……
据说AI很擅长写测试，那就先写测试再实现。结果，测试用例的数据跑出来是正确的，换一批数据又让人火大了……
耐着性子交流了一下午，结果还是没达到预期的正确结果，怒了，丢掉AI采用已被称之为古法编程的纯手工编写方式，不到半小时，完美通过。
测试三
根据当前日期和历史统计记录，把测试二的成果——时间段数据，按归属统计出每日时长，并依次统计出周、月、季、年对应的数据。
结果，磕磕绊绊的总算把日统计做好了，周统计费了点工夫也搞定了，至于月、季、年倒是一次通过。呵，好吧，这写代码的能力也就那样吧，倒是抄代码的能力那真是顶呱呱！
知识库
这此考察重点不是写代码，是知识库。
-
var a *int = new(1) 这段go代码是否正确，这是go1.26.0的新特性，发布于2026-02-10。结果，只有deepseek-v4知道这个特性。 -
为pg18创建一个最简用户表，要求主键用uuid v7，这是pg18.0的新特性，原生支持uuid v7，发布于2025-09-25。结果，全军覆没，要么让安装插件，要么就开始瞎猜。 -
把上面两个发行日志的页面地址给
AI，让它自己去提取新特性并写入规则文件。结果，跑了很长时间都还没跑完，强行给终止了。
写项目
上面的测试其实都是小儿科，实实在在从0开始去写个项目，才更考验AI的能力。
项目一
目标，写一个文件去重工具，要求支持tui和web两种操作界面，支持多种哈希算法。技术栈是go+Bubble Tea+templ+Tailwind CSS+Alpine.js。
虽然有些小波折，但结果还算满意，比我写的强多了。一下午的时间，目标基本完成了，随后又抽空优化了几次，但仍有已知bug。
项目地址如下：
-
Gitee：https://gitee.com/afrusrsc/duplicate-cleaner
-
Github：https://github.com/afrusrsc/duplicate-cleaner
项目二
精心选择了pg+pgx+sqlc+gin+templ+Tailwind CSS+Alpine.js这个技术栈，前端、后端、数据库都有，主流、非主流也都有。
目标，写一个精简版的ERP，因为有前同事刚用codex花了10元完成了一个内部使用的ERP，使用c#的技术栈，刚好可以进行对照。
本想项目完成之后再写这一章节的，但是，现在放弃继续测试了。
三天了，成果如下：
| 功能 | 结果 | 备注 |
|---|---|---|
| 登录 | 通过 | |
| 修改密码 | 通过 | |
| 查看登录日志 | 基本能用 | |
| 超时无操作后锁定 | 勉强通过 | 仍有bug |
| 部门管理 | 进行中 | 在此放弃的，基本的CURD，前端都能bug满天飞，而且同一个bug，这次改没了，下次又改出来了，烦不胜烦 |
额外发现
-
deepseek比glm-5.1响应速度要快 -
deepseek-v4在thinking中经常会狂飙英文 -
deepseek-v4与Cline配合，经常会读不到终端的输出结果而死等
使用小结
-
从结果上来说，国产模型和国外模型的确是
云泥之别 -
从速度上来说，
AI确实碾压程序员 -
从质量上来说，
AI和程序员算是打平吧，因为都有神和垃圾 -
从效果上来说，
AI更适合写静态页面、SQL、api接口、测试这一类基本只有固定范式的东西 -
从能力上来说，
AI的能力和技术栈是否主流呈正相关，也就是说，AI的能力和可用于训练的数据量呈正相关 -
从性价比上来说，像工具这一类的小项目
AI更占优，但上了点规模的项目AI只会让你口吐芬芳
心得
前前后后、断断续续花了两周时间，有惊艳，也有抓狂，但更多的是口吐芬芳。无论如何，也算小有心得：
-
一定要选顶尖模型，迫不得已也要瘸子里挑将军
-
可以骂
AI，但不要发给它，因为除了会让你更生气外，还会让你的钱包更瘦小 -
不要把
AI当人，因为它本质还是机器，冰冷、简要、命令式的语言往往更有效 -
要把
AI当人，因为它也会忘记（超出上下文）、会瞎猜（AI幻觉）、会钻牛角尖（死循环），当然还会摆烂（我怀疑这个才是AI真正从人类这里学到的） -
发现
AI有以上行为了，果断换，换个新的会话，甚至换个模型，不然就会演变成你在钻牛角尖了 -
使用
Cline要善用.clinerules，定好规则，多用必须、禁止这类偏向两个极端的词汇 -
AI写测试确实更成熟些，以后可以把测试放心交给AI写 -
纯粹的
码农一时半会还不会被AI替代，但不久的将来是必然会被替代的 -
和早年随便个阿猫阿狗去培训班转一圈出来就能写代码一样，现在随便个阿猫阿狗也都能用
AI写代码，但是，只有具有扎实编程基础的人才能高性价比的驾驭AI，也只有具有架构思维和产品思维的人才能把AI用成一把利剑