AI取代开发的进展如何了，实际使用案例分析

#LLM

随着Cursor、Winsurf、Cline、Colipot工具及其agent能力的发布，ai取代程序员的过程似乎上了快车道。那么现在模型的能力是否真的已经可以让程序员失业了呢？

大家用AI创造新世界，我用AI屎上雕花。作为基层开发，我将分享几个AI修改代码的实际案例与效果。以下修改主要通过chat的方式操作，模型主要使用GPT 4o，主要依赖模型本身的能力。

屎山代码修改

需求：为原有的上传功能添加批量选择文件的功能。项目用 jQuery 和 HTML 模板引擎开发，涉及文件上传，需求背景：

• 页面支持上传 A 文件或 B 模板文件
• 选 B 模板文件会弹窗，支持上传多个 C 文件，每个 C 文件有独立的上传输入框
• 需要实现批量选择 C 文件，一次性生成多个上传输入框，并自动填充文件

难度：中。代码逻辑复杂，前端组件与后端api绑定，文件上传涉及初始化、上传、导入，上传导入等逻辑存在串并行操作，人看着都晕。

结果：生成的第一版代码能跑，但不是很完善：

• 没有限制上传输入框数量，最多能加 64 个。
• 没删掉原有 C 文件输入框，导致重复。
• 细节没处理好，需要手动修正。

经过多轮提示调整，加人工修改（人工的部分占了不少），终于完成功能。

感受：使用 AI 分析修改不熟悉的代码时，要有策略。

分析代码，直接询问“这个模块的流程是什么？”它答得会很泛，但如果问“这个变量的值是怎么变化的？”或者“文件上传是串行还是并行？”它的分析就很靠谱。使用多次提问，像拼拼图一样逐步把逻辑搞清楚。

修改代码也类似，不要指望 AI 一步到位，从整体逻辑到具体调整，还得结合人工修改。

AI出码一时爽，审核代码火葬场。对于 AI 修改的代码和修改位置靠不靠谱，很关键。修改完后，可以让AI再review代码会有一定的帮助。

总的来说，这几个步骤从全人工到AI辅助，真实地提高了效率。

生成文件格式转换工具

需求：把多个 TXT 文件转换成 CSV。TXT 由文本块组成，块与块之间存在2个空行，每块 4 个字段，每个字段一行，格式类似：

字段1：字段1内容

难度：低。

结果：GPT 生成的代码基本能跑，但存在几个问题：

• 字段解析有问题，导致 CSV 列数据匹配不对。
• 没用第三方 CSV 库，直接写 , 进去，导致数据列数异常。

关键的字段提取逻辑来来回回修改很多次，始终不对，最终还是手动调整才搞定。

感受：AI 写逻辑 OK，但细节容易翻车。

生成 VSCode 扩展

需求：实现一个 VSCode 插件，包含：

• 一个探索图标，点击后打开面板。
• 面板包含一个搜索表单和列表。
• 点击列表文件跳转到对应文件。

难度：低。

结果：

生成的代码存在较多的错误，使用4o和claude sonet，来来回回生成、修改多次，没法运行。存在的错误如：

• 依赖了不存在的 VSCode 版本。
• TS 类型错误。
• 引用了不存在的文件。

感受：这种基础需求都没搞定，属实离谱。

解决 Vue 路由切换时 CSS 样式污染

需求：路由页面 A 覆盖了全局样式，导致访问 A 后，其他页面样式异常。解决方案：切换路由时删除污染样式，恢复默认样式。

难度：低。

结果：AI 提供了多种 JS 方案，分析得巨详细和完善，相信普通开发真不一定能想到这么多。生成的代码属实没问题，对于css样式文件加载需要时间的优化点没处理。

感受：提供更多的业务细节，或许能生成更完善的代码。修改完使用AI Review，确实分析得头头有道。

总结

目前 AI 在编码上的能力已经很强，但是使用 AI 在代码修改上不能指望完全一步到位，最好的做法是从大方向分析到局部优化，结合人工调整。让 AI 增强你的大脑，未来成为十倍效率开发者。

此外，随着deepseek的出圈，各种消息满天飞，有一种疯狂的味道，大量的文章都在教人部署deepseek。实际上本地部署的大模型能达到什么样的效果，真能满足实用需求？上面的每个案例，我均使用本地多个模型进行了测试，实际的效果如何呢，大家可以猜一猜。