用 AI 辅助开发算法的感受
春节假前几天公司项目少，决定尝试一下业余用 AI 辅助开发算法，说一下感受先说优点：
[*]查询资料比较快，比如我提问“有哪些优秀的开源快速数论算法？”，它会很快给出一份清单，并给出推荐理由，比用搜索引擎强多了
[*]生成代码比较快，可以快速获得一些通用算法的框架代码，比如自带测试用例等
[*]如果本地编译发现未通过，提示后能快速修正；如果测试用例未通过，它能快速分析原因（但有时候也是信口开河，在瞎猫碰死老鼠式的乱试）
再说缺点：
[*]即便是通用算法，生成的代码质量堪忧，常出现编译问题，或者数学原理错误。比如要它生成一个“六步法的 NTT”，代码始终无法通过自测
[*]有代码生产及修复能力，但却需要用户本地编译测试再反馈给它，导致效率不足，甚至我把两款 AI 都搞投降了，也未达到我想要的结果
[*]对话长度有限，重新话题又衔接不好。因为涉及代码，篇幅会比较长，反复修正几次后就达到对话上限了，而新开个话题后，发现内容又衔接不上
这是我用了国产两款知名 AI 辅助开发的感受，不知大家可有同感？ 你不会是今年才用上人工智能吧？
人工智能的代码有bug。
你可能用的是最低级别的人工智能，
好像还有高级别的人工智能。
我一般就用豆包。 写代码选 AI，关键看 场景 和 成本。结合 2026 年主流工具，按你的情况这样选最稳：
🚀 首选：按场景直接对号入座
- 🏭 企业级/复杂工程/严谨调试
选 Claude 3.7 Opus 或 GitHub Copilot X。长上下文（百万级 Token）强，能吃透整个项目，跨文件修复 Bug 准确，适合架构设计和核心逻辑打磨。
- 🇨🇳 国内业务/中文指令/快速原型
选 DeepSeek V3.2 或 智谱 GLM-5。中文理解和国内技术栈适配好，写自动化脚本、后端接口效率高、成本低，对中文注释和业务逻辑更精准。
- 🧑💻 独立开发/快速迭代/轻量编辑器
选 Cursor。基于 VS Code 的 AI 原生 IDE，支持多模型切换，Composer 模式能直接按需求生成完整功能模块并自动修 Bug，体验顺滑。
- 🎓 学生/新手/零预算
选 Codeium 或 通义灵码个人版。完全免费，基础补全和代码生成足够，能帮你快速熟悉开发流程和规范。
- 🔒 隐私敏感/内网离线/本地部署
选 CodeLlama 70B 或 Tabnine。可本地部署，代码不离开内网，适合金融、军工等对数据安全要求高的场景。
💡 组合策略（性价比最高）
1. 日常写新功能：用 国产模型（DeepSeek/GLM-5），中文好、成本低、速度快。
2. 复杂调试/重构：切换到 Claude 3.7，长上下文和代码修复能力更强，能减少来回返工。
3. 本地开发：搭配 Cursor 或 CodeLlama，兼顾隐私和效率。
📌 小提醒
- 优先选 IDE 集成度高 的工具（如 Copilot、Cursor、通义灵码），能直接在编辑器里对话、补全，不用切换页面，提效明显。
- 给模型提供 完整上下文（如报错信息、相关代码文件），国产模型在信息不全时性能会退化，小步快跑（拆任务、每轮验证）能避免无效循环。
需要我根据你的开发语言（比如 Python/Java/前端）和编辑器（VS Code/JetBrains），给你更精准的工具推荐和安装步骤吗？ 我只会最低级别的让豆包生成代码。
页:
[1]