起因

最近整理项目的时候，我顺手把小米 MIMO 开发者 Token 申请材料也翻出来了。

这份材料本来是为了说明我用 AI/Agent 做过什么，但写完之后发现，它其实也挺适合当一篇复盘：AI 到底帮了我什么？又有哪些地方不能全交给它？

AI 参与了哪些项目

主要是两类：

第一类是完整业务系统。

我用 AI 辅助做了校园宿舍管理系统和电商平台。前者是 Spring Boot + MyBatis + MySQL，后者是 Servlet + JSP + DBUtils 的传统 Java Web 项目。

第二类是技术实验。

比如 Spring AOP、JdbcTemplate + 声明式事务、Spring MVC 拦截器、三层架构这些小实验。它们不一定大，但很适合验证一个知识点到底有没有学明白。

AI 最擅长的部分

我感觉 AI 最适合处理那些”有规律、但很耗时间”的代码。

比如：

  • Entity、DTO、VO 这种结构化类。
  • Controller/Service/Mapper 的基础模板。
  • MyBatis 动态 SQL 的第一版。
  • DAO 层查询代码。
  • 前端一些重复的表单和异步请求片段。
  • 配置文件和跨域、上传之类的查漏补缺。

这些东西让人手写不是不会，而是容易疲劳。AI 先出第一版，我再去改业务逻辑，速度确实快很多。

我自己的体感是，规律性强的代码效率能提升 50%-60%。以前可能要两周慢慢磨的传统电商项目，用 AI 辅助后大概一周能跑出完整流程。

但它不能替你负责

AI 写出来的代码，最大的问题是”看起来很像对的”。

有时候它会给你一个很顺眼的 Controller，方法名、注解、返回值都像那么回事。但你真去跑，就会发现参数对不上、SQL 字段错了、前端传的名字和后端接的名字不一致。

所以我现在用 AI 写项目，会尽量把它当副驾驶：

  • 第一版可以让它出。
  • 业务规则必须自己确认。
  • SQL 必须自己看。
  • 安全边界必须自己补。
  • 最后必须自己跑完整流程。

AI 能减少重复劳动，但不能替你承担工程判断。

对学习的影响

最明显的变化是学习周期变短了。

从 Java SE 到 Servlet，再到 Spring、Spring Boot，如果完全手写慢慢摸，可能要拖三个月。AI 辅助后，我大概六周左右就把这条链路跑了一遍。

但这里有个前提：不能只复制粘贴。

如果只是让 AI 写完，然后自己不理解，那项目做完也没什么用。真正有用的是让它把”能跑的第一版”生成出来，然后自己去拆：

  • 这个接口为什么这么分层？
  • 这个 SQL 为什么这样写？
  • 这个配置是解决什么问题？
  • 如果需求改了，我应该改哪里？

这样 AI 才会变成学习加速器，而不是代码代写器。

后续想做的事

后面我想继续把 AI 用到更真实的工作流里。

比如：

  • 给宿舍管理系统接一个小程序前端。
  • 让 AI 帮忙生成单元测试。
  • 做自动化代码 review。
  • 尝试把 Agent 接进后端流程里，处理一些多步骤任务。

现在的感觉是，AI 不是让人不用学编程了，而是让”会问问题、会拆任务、会验收结果”变得更重要。

写代码这件事，正在从”我一行行敲”变成”我设计、我判断、我验收”。

这挺有意思的。