点燃AI编程记录

一、AI在开发中的应用

（一）代码生成与优化

使用AI工具生成优化建议，提升计算性能。

（二）AI review和AI scan

将MRDF内容和原始文件交给大模型，获取如函数组件命名规范、内存泄露等有意义的意见。

（三）日志和错误解读

通过AI解读用户运行中的报错，提供配置问题、代码翻译等问题的解决方案。

（四）MySQL问题识别

将AI功能集成到产品中，帮助用户快速识别和定位MySQL问题。

二、AI对开发流程的影响

（一）公司内AI渗透

在data管理平台、文档梳理、架构图设计等环节逐步引入AI能力。

（二）IDE中的AI集成

在IDE中集成AI功能，如chat侧边栏、mysql支持、自然语言搜索等。

三、团队转型与适应

（一）跨界转型

结合工程思维，利用AI解决实际问题，提升非专业开发者的二次修改能力。

（二）补充AI知识

从传统编码转向AI辅助开发，补充AI相关知识。

四、未来趋势与展望

（一）动态系统交互

AI驱动的系统交互将更加动态和个性化，改变传统交互方式。

（二）MCP协议

新技术将改变产品交互形态，服务接口、数据库或操作指令可被大模型调用。

五、具体实践案例

（一）低代码平台DSO

网易拉手DSO通过中间语言实现技术栈转换，作为AI与大模型间的桥梁。

（二）前端工程师的新机会

前端工程师可直接对接模型，跳过服务端推动业务能力落地。

六、AI友好

（一）选择AI擅长的部分

如生成graphql或相关业务代码，避免硬套AI做不适合任务。

（二）代码可读性

确保API可读性好、注释清楚、类型明确，便于AI引用和补全。

七、挑战与应对

（一）AI生成代码的审查

采取默认不置信方式，挑剔看待AI生成代码，并结合其他手段验证。

（二）自动化置信手段

探索有效自动化手段评估AI生成代码质量。

八、团队协作与管理

（一）AI融入日常工作

制定额外规范和流程，确保AI在团队中有效应用。

（二）方法论升级

关注清晰描述问题，以便AI更好执行任务。