我为何不再用人工智能生成样板代码（以及我现在用它做什么）

2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家 

尖锐观点：人工智能编程助手最糟糕的用法，恰恰是大多数人使用它们的方式——生成样板代码。

我花了三个月时间自动生成 CRUD 端点、表单组件和配置文件。我感觉自己效率很高，Git 提交日志里满是大段的提交记录。但当我审视自己真正交付的内容时，才意识到自己一直在优化错误的东西。

样板代码陷阱

当你用人工智能生成样板代码时，通常会发生以下情况：

1. 你输入提示：“用 Express 和 Prisma 为用户生成一个 CRUD API”
2. 人工智能吐出 200 行可运行的代码
3. 你扫了一眼，觉得没问题，就提交了
4. 一周后，你发现它与现有端点存在三处不一致
5. 你花了一个小时修复人工智能不了解的那些模式

问题不在于人工智能生成的样板代码质量差，而在于样板代码恰恰是你代码库中最需要保持一致性的部分——而除非你事无巨细地明确指定每一个细节，否则人工智能在一致性方面表现极差。

你知道什么工具在生成一致的样板代码方面表现优异吗？模板、代码片段、plop 生成器，或者 Shell 脚本——用确定性工具处理确定性任务。

人工智能真正擅长的事情

经过大量试错之后，我发现人工智能助手在以下场景中能持续为我节省大量时间：

1. 思考边界情况

这是我的文件上传处理函数。
我遗漏了哪些边界情况？请以检查清单的形式列出。

人工智能在这方面表现出色，因为它见过成千上万次文件上传实现失败的案例。它会帮你发现：空文件、重复文件名、MIME 类型不匹配、并发上传、磁盘空间不足、路径遍历等问题——这些都是你最终会在生产环境中遇到的问题。

2. 编写第二个测试

我会手动编写第一个测试来确立模式。然后输入如下提示：

这是我的正常路径测试。请再编写 5 个测试，
覆盖边界情况和错误路径，并遵循相同的结构。

第一个测试确立了规范，人工智能在此基础上进行推演。这种方式之所以有效，是因为模式已经明确包含在提示中——无需猜测。

3. 解释他人编写的代码

请解释这个函数的作用、它所依赖的假设，
以及如果我修改返回类型会导致什么问题。

将人工智能作为阅读辅助工具的价值被严重低估了。它比手动追踪陌生代码更快，还能发现那些不明显的隐式契约（例如“该函数假设数组已排序”）。

4. 起草迁移方案

我需要将 `users.name` 列重命名为 `users.display_name`。
请提供迁移方案，包括：SQL 语句、ORM 迁移步骤、
所需的代码变更以及回滚步骤。

人工智能不会替你执行迁移，但它能帮你梳理出影响范围。这类规划工作过去通常需要我花 30 分钟通过 grep 和思考来完成。

5. 橡皮鸭调试

我预期这个函数返回 [X]，但它实际返回 [Y]。
以下是该函数及其测试代码。请逐步分析