技术学习笔记

Appearance

AI编程助手 ​

概述 ​

AI编程助手已经成为现代软件开发的重要工具，能够显著提升开发效率。主流的AI编程助手包括Cursor、GitHub Copilot和Trae等，它们各有特色，能够帮助开发者更快地编写代码、理解代码和调试代码。

AI编程助手的核心能力：

  • 代码补全 - 智能预测和补全代码
  • 代码生成 - 根据自然语言描述生成代码
  • 代码解释 - 解释复杂代码的逻辑
  • Bug修复 - 识别和修复代码问题
  • 重构建议 - 提供代码优化建议

Cursor ​

核心特性 ​

Cursor是基于VS Code的AI编辑器，深度集成了AI能力。

主要特点：

  • 内置AI聊天窗口
  • 代码库级别的上下文理解
  • 多文件编辑能力
  • 支持多种AI模型

高效使用技巧 ​

1. 使用Cmd+K快速生成代码 ​

用户操作：选中一段代码或空白处，按 Cmd+K (Mac) / Ctrl+K (Windows)

输入提示：创建一个函数，接收一个URL列表，并发请求所有URL并返回结果

AI会生成完整的函数实现

2. 使用Cmd+L进行AI对话 ​

用户操作：按 Cmd+L (Mac) / Ctrl+L (Windows)

场景1：解释代码
输入：解释这段代码的作用
选中代码后，AI会详细解释代码逻辑

场景2：重构代码
输入：重构这段代码，提高可读性
AI会提供重构建议和实现

场景3：添加测试
输入：为这个函数编写单元测试
AI会生成完整的测试代码

3. 使用@符号引用文件 ​

在聊天中输入：
@utils.py 这个文件中的函数有什么问题？

AI会分析指定文件并提供反馈

4. 使用Composer模式 ​

用户操作：按 Cmd+I (Mac) / Ctrl+I (Windows)

场景：多文件重构
输入：将这个项目从JavaScript迁移到TypeScript

AI会：
1. 分析整个项目结构
2. 生成迁移计划
3. 逐个文件进行转换
4. 处理依赖关系

实用场景 ​

场景1：快速原型开发 ​

提示词：创建一个React组件，显示用户列表，支持搜索和分页

AI会生成：
- 完整的组件代码
- 状态管理逻辑
- 样式代码
- 类型定义

场景2：代码审查 ​

选中代码后输入：
审查这段代码，找出潜在的性能问题和安全问题

AI会：
- 分析代码质量
- 指出潜在问题
- 提供改进建议

场景3：文档生成 ​

提示词：为这个API生成详细的文档

AI会生成：
- 接口说明
- 参数描述
- 返回值说明
- 使用示例

GitHub Copilot ​

核心特性 ​

GitHub Copilot是GitHub推出的AI编程助手，深度集成到开发环境中。

主要特点：

  • 实时代码建议
  • 上下文感知
  • 支持多种语言
  • 与GitHub生态集成

高效使用技巧 ​

1. 编写清晰的注释 ​

python
def calculate_statistics(data):
    """
    计算数据集的统计信息
    包括：平均值、中位数、标准差、最大值、最小值
    
    Args:
        data: 数值列表
    
    Returns:
        包含统计信息的字典
    """
    pass

2. 使用函数签名引导 ​

typescript
interface User {
  id: number;
  name: string;
  email: string;
  age: number;
}

function filterAdultUsers(users: User[]): User[] {
  
}

function groupUsersByAge(users: User[]): Map<number, User[]> {
  
}

3. 利用上下文 ​

javascript
const express = require('express');
const app = express();

app.get('/api/users', (req, res) => {
    
});

app.post('/api/users', (req, res) => {
    
});

4. 使用Copilot Chat ​

场景：解释代码
选中代码 -> 右键 -> Copilot: Explain This

场景：修复Bug
选中代码 -> 右键 -> Copilot: Fix This

场景：生成测试
选中代码 -> 右键 -> Copilot: Generate Tests

实用场景 ​

场景1：API开发 ​

python
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    price: float
    quantity: int

items_db = {}

@app.post("/items/")
def create_item(item: Item):

场景2：数据处理 ​

python
import pandas as pd

def process_sales_data(file_path):
    """
    处理销售数据，计算每个产品的总销售额和平均销售额
    """

场景3：测试用例生成 ​

python
import pytest
from myapp import Calculator

class TestCalculator:

Trae ​

核心特性 ​

Trae是新一代AI编程助手，提供强大的代码理解和生成能力。

主要特点：

  • 深度代码理解
  • 多轮对话能力
  • 项目级别上下文
  • 智能重构建议

高效使用技巧 ​

1. 项目级代码理解 ​

提示词：分析这个项目的架构，说明各模块的职责

AI会：
1. 扫描项目结构
2. 分析依赖关系
3. 生成架构图
4. 解释各模块功能

2. 智能代码搜索 ​

提示词：找到项目中所有使用Redis的地方

AI会：
1. 搜索代码库
2. 列出所有相关文件
3. 提供上下文信息
4. 建议优化方案

3. 批量重构 ​

提示词：将项目中所有的console.log替换为统一的日志系统

AI会：
1. 找到所有console.log
2. 生成替换方案
3. 逐个文件修改
4. 保持代码一致性

实用场景 ​

场景1：代码迁移 ​

提示词：将这个项目从Vue 2迁移到Vue 3

AI会：
1. 分析现有代码
2. 识别需要修改的部分
3. 生成迁移计划
4. 执行代码转换

场景2：性能优化 ​

提示词：分析这个项目的性能瓶颈，并提供优化建议

AI会：
1. 分析代码结构
2. 识别性能问题
3. 提供优化方案
4. 生成优化代码

场景3：安全审计 ​

提示词：检查这个项目的安全问题

AI会：
1. 扫描代码库
2. 识别安全漏洞
3. 提供修复建议
4. 生成安全报告

通用最佳实践 ​

1. 编写清晰的提示词 ​

好的提示词：
- 明确目标：创建一个用户登录功能
- 提供上下文：使用JWT认证，密码需要加密
- 指定技术栈：使用FastAPI + SQLAlchemy
- 说明约束：需要处理错误情况

不好的提示词：
- 写个登录功能

2. 分步骤完成任务 ​

步骤1：创建数据模型
提示词：定义User模型，包含id、username、email、password字段

步骤2：创建API接口
提示词：创建用户注册和登录的API接口

步骤3：添加验证逻辑
提示词：添加输入验证和错误处理

步骤4：编写测试
提示词：为这些功能编写单元测试

3. 迭代优化 ​

第1轮：生成基础代码
提示词：创建一个简单的缓存装饰器

第2轮：添加功能
提示词：添加过期时间支持

第3轮：优化性能
提示词：优化缓存命中率

第4轮：添加测试
提示词：编写完整的测试用例

4. 利用上下文 ​

在对话中保持上下文：

用户：创建一个User类
AI：[生成User类代码]

用户：添加一个验证邮箱的方法
AI：[在User类中添加方法]

用户：为这个类编写单元测试
AI：[生成测试代码]

5. 代码审查 ​

使用AI进行代码审查：

1. 让AI解释代码逻辑
2. 让AI找出潜在问题
3. 让AI提供优化建议
4. 让AI生成测试用例

使用注意事项 ​

1. 验证生成的代码 ​

AI生成的代码需要：
- 检查语法正确性
- 验证逻辑正确性
- 测试边界情况
- 检查安全性

2. 保护敏感信息 ​

不要在提示词中包含：
- API密钥
- 数据库密码
- 个人信息
- 商业机密

3. 理解代码逻辑 ​

不要盲目接受AI生成的代码：
- 理解每行代码的作用
- 确认符合项目规范
- 检查是否有更好的实现

4. 保持代码一致性 ​

确保AI生成的代码：
- 符合项目编码规范
- 使用项目已有的工具库
- 保持命名风格一致
- 遵循项目架构设计

小结 ​

AI编程助手是提升开发效率的强大工具，通过本章节的学习，你应该掌握了：

  1. Cursor使用 - 快速生成代码、多文件编辑、代码审查
  2. Copilot使用 - 实时代码建议、上下文感知、测试生成
  3. Trae使用 - 项目级理解、智能搜索、批量重构
  4. 最佳实践 - 清晰提示词、分步完成、迭代优化
  5. 注意事项 - 验证代码、保护信息、理解逻辑

AI编程助手能够显著提升开发效率，但需要合理使用。建议将AI作为辅助工具，而不是完全依赖，始终保持对代码的理解和掌控。