2024 小结&随感-AI爆发
2023和2024是AI的年度-学习路径
过去两年是 AI 快速演进的关键时期。AI 工具不断革新，每一位开发者都需要学习 AI、使用 AI，并将其融入日常开发工作中。我们团队也在经历这个变革的过程，从学习 Prompt 工程起步，一步步走上与 AI 协作的道路。
从提问开始-IDE聊天助手的初体验
最初，我们使用集成在 IDE 中的 AI 聊天助手来回答一些基础问题，比如 “Go 语言中有静态函数吗？”。随着使用的深入，我们逐渐学会借助 AI 来解释代码、定位问题，甚至参与简单的调试。我还记得曾因两环境变量命名不当而陷入逻辑误区，是 AI 助手指出这一点后，我才终于解开思路。
IDE集成的演进-从注释到内联编辑器
随着时间推移，AI 工具与 IDE 的集成变得更加深入。从最早依赖注释进行提示，到现在，聊天助手开始以内联编辑器的方式出现于代码行间，支持直接在上下文中快速发起交互。这种“嵌入式”的使用体验显著提升了效率，也让我更倾向于使用 IDE 助手而非传统终端式助手。
AI与代码库的对话能力
理解上下文，是 AI 助手真正发挥价值的关键。因此，从 2023 年秋开始，AI 开始与完整代码库集成，具备了“与代码库对话”的能力。它能回答我 “邮箱的验证逻辑在哪实现？”、“我们在哪一层进行数据转换？”这类问题，特别是在阅读陌生代码时帮助极大，远胜于文本搜索。
搜索与上下文-竞争力的关键差异点
不同编码助手的效率，很大程度上取决于其代码库搜索能力。从基于向量的索引（如 Cursor、Windsurf），到抽象语法树和文件结构搜索（如 Cline），再到 Sourcegraph Cody 这样的深度引擎，各有千秋。而上下文提供器的兴起，则进一步拓宽了 AI 助手的“知识范围”：不仅能读取本地变更集、终端输出、网站链接、文档，甚至能接入 Jira 工单。GitHub 于 2024 年推出的 Copilot Extensions 及 MCP（模型上下文协议）的普及，标志着这一生态的逐步成熟。
模型与工具的协同演化
当然，AI 模型本身也在飞速进化。从 OpenAI 到 Anthropic，从 GPT 到 Claude，模型能力不断增强。但我的体验告诉我，真正提升生产力的关键，不只是模型本身，而是模型与具备语义理解能力的开发工具之间的“组合拳”。尤其是在编码场景下，这种配合能够显著超越 LLM 对代码的纯 token 理解。
写在最后
回望 2023 与 2024，我们从“AI 是工具”转向“AI 是伙伴”的旅程才刚刚开始。未来，AI 不再是代码的旁观者，而是理解者、协作者，甚至是创造者。而我们，则需要持续学习、试验与适应，才能真正走在 AI 编程时代的前沿。
接待客户
接待客户
