AI编程工具比较

写这篇文章的契机

前段时间我写了篇文章《用AI写代码后，乐趣减少了吗？》，探讨了AI工具对编程体验的影响。最近因某些原因，我重新体验了几款主流AI编程工具，发现了一些新的思考点，因此想分享我对这些工具的最新体会。

前段时间我开发了一个门户网站，用AI生成静态代码非常高效，只需提供截图，AI就能快速输出代码，大大提高了我的效率。

然而，当我开始实现动画效果时，比如"首页元素在页面载入时向上移动"以及"动画触发时机"等需求，情况变得复杂起来。这些任务需要我投入大量时间与设计师沟通需求、与AI交流要求，还要学习动画组件的基本用法。

这表明AI编程并非网上热议的"vibe coding"(纯靠气氛编程)那样简单，而是需要工程师全程参与：作为审核者，更多时候是作为新技术的学习者，不断地学习和优化AI提供的代码。"副驾驶"这个比喻更准确地描述了AI编程工具的角色。

最近我用Expo搭建了React Native开发环境。当我询问demo中视觉滚动动画实现思路时，各AI编程工具给出的答案大同小异，主要是罗列使用的组件、属性和方法。

对于不熟悉动画基础的开发者来说，仅靠这些表面信息是不够的。如果对scroll距离、React ref、React自定义hook、CSS动画属性、滚动时防止底部遮挡等概念不熟悉，那么在尝试实现新的动画效果时，将面临无尽的修改和反复调试。

这说明AI工具在解释深层技术原理方面仍有局限，需要开发者具备足够的基础知识来理解和应用AI的建议。

有些开发者尝试同时开启10个AI任务，让AI工具在后台并行处理多个需求。但这种方式存在明显问题：由于各任务之间缺乏上下文联系，AI生成的代码往往包含大量重复逻辑。

理论上，开发者可以先全面了解这10个需求，提前规划出可复用的逻辑，然后指导AI生成更高效的代码。但现实中，许多重复逻辑是在编码过程中自然浮现的，很难预先全部识别。

这种"上帝视角"的开发方式对开发者的全局规划能力要求极高，实际应用中效果往往不如理想。AI工具更适合作为迭代开发过程中的协作伙伴，而非完全独立的代码生成器。

在体验了多种AI编程工具后，我认为它们之间的差异并不显著。无论是GitHub Copilot、JetBrains AI Assistant还是其他工具，本质上都是换汤不换药。真正决定开发质量和效率的，仍然是开发者本身的技术素养和思维能力。

AI编程工具的真正价值在于：

最有效的工作方式是：开发者先掌握相关技术知识，然后带着明确的需求和思路，让AI协助编写代码。这种"有经验的指导者+高效的执行者"的组合，才能真正发挥AI编程工具的价值。