前面几篇都在讲转型的大战略这篇讲点手边的事作为一个还在写代码的前端AI编程工具到底该怎么用。我用Cursor、Copilot这类工具超过半年了工作流被改得面目全非。这篇文章就按真实的工作场景一个一个拆给你看哪些环节AI已经深度接管哪些环节它还是个帮倒忙的实习生。最后说一个很多人没意识到的事天天用AI工具本身就是最好的转型预备役训练。场景一接新需求先让AI出丑稿以前接到一个页面需求我的流程是看设计稿、建文件、搭结构、写布局、调样式一套下来大半天。现在的流程完全变了。我会先用自然语言把需求讲给AI听讲得越具体越好页面分几个区、每个区放什么、交互是什么、数据结构大概长什么样。AI一分钟内出一版完整的代码。这版代码我叫它丑稿能跑但到处是问题组件拆分不合理、样式和我的项目规范不符、有些细节它自作主张改了。但丑稿的价值不在质量在起点。从空白文件开始写和从一份能跑的丑稿开始改前者是心流杀手后者一上来就进入评审模式效率高得多。我的经验是丑稿把从零到六成的路走完了我专心干六成到十成的活儿而这部分恰恰是真正需要经验和判断的部分。这里有个关键习惯让AI写丑稿之前我会先把项目的规范喂给它。组件命名风格、状态管理用的是什么、目录怎么组织写成一份简短的约定文件每次对话挂上。没有这一步AI每次生成的代码风格都像抽盲盒改起来比自己写还累。这个喂上下文的动作说白了就是在做Prompt工程天天在练。场景二改bugAI是排查加速器不是法官改bug的场景里AI的表现两极分化得看bug的类型。对于有明确报错信息的bugAI近乎神勇。报错栈贴给它加上相关代码它十次有八次能直接命中原因剩下的两次也能把排查范围缩得很小。以前查一个陌生报错要翻半天社区帖子现在一分钟有方向。但对于逻辑型bug就是那种不报错、只是行为不对的bugAI的帮助就有限了。因为它不知道你的业务规则订单金额算错了它哪知道你们公司的满减规则是怎么叠的。这类bug里AI的正确用法是陪聊你把业务逻辑讲给它听让它复述一遍、挑逻辑漏洞。讲的过程经常自己就悟了小黄鸭调试法的AI升级版。有一条铁律必须立AI给的修复方案看懂再合入。半年里我至少遇到五次AI的修复方案在A场景有效但会悄悄搞坏B场景。它改代码只看局部而副作用是全局的。盲信AI修复方案引入的新bug比原来的bug难查十倍。场景三写测试AI最该接管的活儿如果要选一个AI接管得最彻底的环节我会毫不犹豫地选写测试。原因很直白测试代码的结构高度模式化输入、执行、断言翻来覆去就那些套路而且测试代码对优雅的要求低啰嗦一点没关系覆盖到就行。这恰好是AI的主场。我的做法是自己先列测试点哪些场景要覆盖、边界情况有哪些这个清单必须人出因为它依赖对业务的理解。然后把清单和源代码一起丢给AI让它批量生成测试用例我再逐个review、删掉它过度发挥的、补上它漏掉的。这么分工之后我写测试的时间大概省了七成而且覆盖率反而上去了。以前很多懒得写的边界测试现在顺手就有了。这个环节的启示很值得琢磨AI替代的不是写测试是写测试里最机械的那部分而测什么这个判断变得更值钱了。场景四读遗留代码AI是最好的翻译官每个前端都会遇到这种时刻接手一个上古项目几千行没有注释的祖传代码原作者早离职了。这现在是AI最稳定发挥的场景。把代码文件喂给它让它解释这段代码在干什么、数据从哪流到哪、这个诡异的if分支可能在防什么情况。它的解释不总是全对但给你一个起点比自己从第一行硬啃快太多了。我有个进阶用法让AI先画出模块的依赖关系和核心数据流形成一张概览再带着这张图去读代码细节。以前熟悉一个陌生项目要一周现在两天能上手改东西。场景五Code ReviewAI初审加人复审我们团队现在的review流程多了一道提交之前先让AI过一遍diff它会抓出一批问题明显的逻辑漏洞、命名不规范、潜在的空值、重复代码。这批问题在到达同事之前就被处理掉了。人肉review因此变了味同事不再需要检查那些机械的问题精力全放在架构合理性、业务逻辑、可读性这些AI看不出门道的层面。review的质量和氛围都好了不少毕竟被机器挑刺不丢人被人挑低级错误才尴尬。AI干不好的活儿也得说清楚泼几盆冷水免得你以为我在卖工具。跨多个文件的大重构AI目前干得很勉强它对全局的把握还是不如人让它主导大重构你会收获一堆局部合理、整体别扭的代码。复杂的CSS布局问题尤其是涉及各种兼容性怪癖的AI经常给出看似合理实则跑不通的方案最后还是得靠经验和真机调试。还有性能优化AI能给出清单式的建议但真正的瓶颈定位要靠Profiling数据和经验直觉它插不上手。认清这个分布很重要AI擅长的是局部、模式化、有标准答案的活儿不擅长的是全局、上下文依赖、需要权衡的活儿。你的工作价值要往哪边迁移这个分布图就是指南针。最后说回转型用工具的人最懂工具这半年深度用下来我有个越来越强的感受每天用AI编程工具本身就是最便宜的AI应用开发训练。你在反复观察一个成熟的AI产品是怎么设计的它怎么管理上下文为什么有时候记得住你前面说过的话、有时候又忘了它怎么呈现不确定性给出的代码建议为什么带着可能建议这类措辞它在什么场景下帮倒忙边界到底在哪。这些观察积累下来就是你对AI能力边界的体感而这种体感是做AI应用的人最核心、最难速成的素质。更直接的一层你天天在给AI写Prompt调它的输出格式喂它项目上下文踩它幻觉的坑。这套动作和开发一个AI应用时做的事本质是相通的。等你想清楚这一点会发现自己其实早就开始转型了只是没意识到而已。所以我的建议很简单别等准备好才开始。从今天起把AI工具用进日常开发的每一个环节用得越狠越好。半年后你去面AI应用岗面试官问你对AI编程工具怎么看你能聊一个下午这种聊是装不出来的。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2025 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2025 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”