AI 只會淘汰不用 AI 的程式設計師🥚

AI 只會淘汰不用 AI 的程序員🥚

作為程序員，你竟然還在手撸代碼？？？
如果沒有公司給你提供科學上網，提供 AI 編程工具的賬號，你真能玩轉 AI？？？
除了平時搜搜查查，AI 對你還有其他用處？？？

震驚！

某博主竟然開頭就販賣焦慮？難道程序員真的要被 AI 取代了？
別急，這篇文章就一步步帶你玩轉 AI 編程！
如果只是想了解如何使用 AI 編程，可以直接跳到章節： 「所以，我們需要什麼！？」

理解概念

要深入使用 AI，我們要先理解一些概念

1. AI 基礎

AI大模型：擁有超大規模參數、超級聰明的機器學習模型，所有的 AI 應用都是調用大模型的計算處理能力。如：問答、圖片生成、視頻生成。

國內主流大模型對比：

模型	廠商	速度	能力
通義千問	阿里雲	較快	多輪對話，支持多模態，支持 PDF/Word 等文件處理。
DeepSeek	深度求索	推理性能一流，較慢	多輪對話，代碼能力國內頂級，數學推理能力出色，多模態能力弱。
豆包🐂	字節跳動	速度極快	推理能力強，多模態能力強，語音交互自然，MCP預置多。
騰訊混元	騰訊	較快	支持超長文本處理，與微信生態無縫集成，多格式文檔解析，支持多模態。

國外主流大模型對比

模型	廠商	核心能力	主攻場景
Gemini🐂🍺	Google DeepMind	多模態能力強大，可無縫處理文本、圖像、音頻、視頻、代碼等	創意內容創作、文檔處理、用於處理複雜、多源信息的場景
Claude🐂🍺	Anthropic	推理能力優秀，多模態能力一般	長文檔分析場景，如法律文件審查；適用於需要可靠輸出的領域，如醫療診斷輔助
Veo 3	Google	自動生成視頻和音頻，口型同步精確到毫秒級。支持最高 4K 分辨率輸出，畫質清晰，色彩還原。生成速度快	專注於視頻生成領域，如短視頻內容創作，為用戶提供高效、高質量的視頻生成解決方案。
Sonnet	Anthropic	Sonnet 是 Claude 3 系列中的平衡型模型，性價比高	適用於注重性價比和處理速度的場景，如一般性的文檔分析
GPT	OpenAI	通用性極強，各個方面都有出色表現，GPT-4o 等版本增強了多模態交互能力。	自然語言處理相關的場景，如內容創作、智能客服
Copilot	GitHub 與 OpenAI 合作開發	基於 GPT 系列模型訓練，理解自然語言，生成對應代碼	用於日常編碼、代碼調試、新手編程學習，降低重複編碼工作量

一般我們編程使用的都是國外的大模型，畢竟開發工具、系統、編程語言都是外國的。編碼方面的能力，國外模型還是碾壓的存在。

MCP：一套提供給 AI 大模型調用的標準協議。一些廠商會把自己的能力包裝成 MCP，讓大模型在理解完用戶的複雜任務時，可以調用廠商的能力。比如：你讓豆包給你用 “高德” 生成一份超準的導航，豆包就會去調用高德的 MCP，為你出導航～
IDE：程序員專屬概念。AI IDE 是集成了 AI 能力的軟體開發平台，開發者可以通過自然語言，讓 IDE 調用 AI 模型和 MCP 給你寫代碼，速度和品質牛的飛起，真有手就能寫代碼！

主流的 AI IDE 對比

名稱	廠商	搭載的模型	收費維度
Cursor🐂	Cursor 公司	GPT-4、Claude 3.5、Cursor-small、o3-mini 等	很貴，按 token 收費
Antigravity🐂🍺	Google	支持在 Gemini 3 Pro、Claude Sonnet 4.5 和 GPT-OSS 等多種模型之間無縫切換	有羊毛薅，國外郵箱+學生認證～
Trae	字節跳動	國內版搭載豆包 1.5-pro、DeepSeek R1/V3 等模型，海外版內置 GPT-4o、Claude-3.5-Sonnet 模型	國內的，充個會員的事，不貴

2. RAG ➡️ Agent ➡️ Planning：AI 應用方式的演進之路

AI 的應用方式正從 “被動響應” 向 “主動規劃” 快速迭代。
從 RAG 進行檢索增強生成，到 AI Agent 實現自主調用工具完成任務，再到 Planning 能 “拆解複雜任務與全局決策” 的高階形態。讓 AI 從 “內容生成器” 蝕變到 “智能協作體”。

RAG —— 檢索增強生成
核心邏輯是：先檢索，再生成。用戶提出問題，先從外部數據庫、文檔庫中檢索與問題最相關的信息，再將這些信息作為 “參考資料” 餵給大模型，讓模型基於真實數據生成回答。
AI Agent —— “自主工具操作員”
AI Agent（智能體），讓 AI 像人一樣調用工具、執行步驟、驗證結果。能理解用戶的模糊需求，自主規劃任務步驟，選擇並調用合適的工具（如計算器、瀏覽器、代碼解釋器、RAG 系統），完成任務。
Planning（規劃）—— “全局任務指揮官”
AI 系統的高階能力，核心邏輯是 “先拆解，再執行，再調整”。基於全局目標，將複雜、長期、多約束的任務拆解為有序的子任務序列，並根據執行過程中的反饋動態調整策略。
不僅關注單個任務的完成，更關注子任務之間的關聯和整體目標的達成。

演進邏輯與核心差異總結

維度	RAG（檢索增強生成）	AI Agent（智能體）	Planning（規劃）
核心定位	大模型的 “知識庫外挂”	自主工作的 “工具操作員”	全局任務的 “指揮官”
能力核心	檢索 + 生成，保證回答準確	決策 + 工具調用，完成單任務閉環	拆解 + 協同 + 動態調整，掌控多任務全局
典型比喻	學生的 “參考書”	能獨立完成工作的 “專員”	統籌全局的 “項目經理”

所以，我們需要什麼！？

你作為一名優秀的程序員，你需要通過科學上網、精準付費，在 AI IDE中，基於AI大模型的能力，熟練使用 Agent/Planning，配合 MCP 等工具，讓 AI 幫你寫出又快又好的代碼，更好的服務你的業務！

1. 使用 Cursor、Antigravity、Trae 開發工具

下載地址：Cursor、Antigravity、TREA
賬號註冊：Cursor 和 Trae 登錄方式都超簡單，會員的話直接去官網購買即可

至於 Antigravity，因為 Google 是禁止國內用戶訪問的，因此一定要能正常上網，郵箱賬號必須純正🇺🇸，但是我們有閒魚之光，是可以嘗試下的～

2. 裝好主流 MCP

對於前端程序員，UI 這類低級工作，完全可以交給 Agent 去編寫。比如：公司的設計師用的是 figma，我們只需要在 cursor 中裝上 figma mcp，然後 figma 賬號申請開發者權限，就能自由地讓 AI 幫我們寫好代碼。親測還原度 85%+

3. 沉澱 Rules 和 Workflows

我們現在已經可以通過開發工具讓 AI 幹活了，但如何更符合我們的編碼習慣和設計思想？那就得給 AI 規範，也就是通過提示詞讓 AI 更乖的，幹更對的活。
比如，Antigravity 就有明確的讓我們添加規則和工作流的入口，並且會引導我們如何寫提示詞，然後在提問的時候，引用對應的文件即可。
Rules(規則)和 Workflows(工作流)，沉澱沉澱再沉澱！！！