大模型编程进阶：从零散使用到系统化开发，程序员收藏必备

文章探讨如何高效利用大模型进行编程和文档写作。指出当前程序员简单粘贴问题到AI工具的低效做法，提倡系统化使用：文档编写先提供目录框架再让AI完善；编程需提供完整SDK和接口信息，定期整理代码模块提高AI生成准确率。强调使用AI仍需人工把控方向和数据正确性，不能完全依赖AI。

今天例行去找后端同事了解进展，我问大家现在是否使用AI去编程。大家跟我说：“我们都是重度AI用户了”。

然后，我继续追问他们是如何使用AI的。他们默默的打开IDE，然后把一些函数、需求粘贴到Deepseek…。这对么？

如果是去年，这种方式是没有问题的。但现在不同了，包括Trae在内的软件已经能够完全理解整个项目的框架。如果还是去年那种单个问题去问AI，那么效率和质量并没有提升上去。

一、如何使用AI写文档

我们先不谈AI编程，我先教教大家如下使用AI写技术文档。

直接使用DeepSeek、豆包、元宝写技术文档肯定是不行的。因为它们都是通用大模型，写出来的东西很多中规中矩。

这些AI软件更像传统搜索引擎的替代，输出内容采用了大量陈述段落，很难直接复制使用。此外，千万要谨慎AI给出的数据，我很多次发现他们的数据是伪造的，因此建议直接删除，自行实验或单独找对应资料。

不过，这不意味着我们要使用专业AI软件，我们仍可以使用DeepSeek这类通用大语言模型来编写文档，但是需要换一种策略。

我的策略是：我给一级、二级、三级目录，里面补充关键字，再AI完善内容。

举个例子，如果我要写孪生平台如何赋能双碳。我会先列举一些关键的标题，比如：1）孪生平台让双碳管理清晰，2）孪生平台可支撑碳交易管理，3）孪生平台可实现园区的能源监督管理。

注意，这些标题目录不一定需要很准，但是你至少需要清楚这些分类是得当的。下面这两个图，是直接让AI写和列标题的差异。

可见，我给的策略写出来的文档更方便读，逻辑更清晰。当然，你肯定会认为这种方式只是给多提示词，并没有新意。

其实差异就出在，第二种策略是让AI在大框架下，把所拣选到的内容是按照我们设定的逻辑进行组织，我们是可判断内容的正确与否的。

接下来的步骤，就是把我们自己的材料、论文材料，放到对应的段落中。你可以随便放，随便堆积，仅需让AI按照的语言风格整理一次。AI自然会根据一种相对准确的逻辑再输出合适的文档。

二、当前AI赋能仍需给其做路径谋划

上文所的技巧，也可以理解为给AI指明行动计划，让AI逐步谋划自己的下一步方案。在当前技术背景下，这个动作还需要人来帮忙。

当然，Manus等软件已经具备一定自我谋划自我执行的能力，不过我觉得还需要再等一段时间才能全民开放使用。

使用AI的过程不能完全信任它。我们仍需把握重点方向，决策关键数据的正确性。

三、再谈AI编程的方法

我为什么说同事使用AI的姿势不对，是因为他们是孤立的使用AI，而不是有体系的利用AI进行编程。

所谓有体系的AI编程，是指在一个项目中，必须告知AI必要的行动方案、SDK清单、接口清单。只有这些完整了，那么AI给出的方案才会准确率更高。

比如，当前我们规范了前端的SDK，生成了规范的API文档（html）。利用Trae软件，可以让其直接生成对应的代码。

这也意味着，我们接下来只需要维护好底层的SDK，上层应用利用AI编程可以快速实现。这不也是侧面干掉传统低代码平台的一种方式么。

当然，高兴的也不要太早。虽然Trae会根据我们的需求生成对应的代码，但是它当前仍不擅长分模块、分组。

如果系统框架或代码不定期归纳整理，那么很容易导致AI对代码的误判，导致无法继续生成正确代码。AI对代码的误判，或许还是AI在长短时间记忆方面的能力还不成熟，变得捡芝麻丢西瓜的坏毛病。

因此一旦觉得某个模块成熟了，就让AI帮你对这个模块单独提出来。这样才能让系统更加稳定，也减少错误的发生。