AI编程需掌握的基本常识

Juchecar
132 阅读5分钟

要通过自然语言驱动AI编程（即使用像ChatGPT、GitHub Copilot、Claude等工具来辅助或生成代码），你需要掌握一套独特的“基本常识知识”。这不是要你成为编程专家，而是要成为一位高效的“AI教练”或“技术产品经理”。

核心思想是：你提供精准的“蓝图”，AI负责“搬砖”。如果你的蓝图是模糊的、有错误的，那么砌出来的墙很可能也是歪的。

以下是需要掌握的三个层面的基本常识知识：

层面一：编程基础常识（理解AI在说什么）

你不需要能手写红黑树，但必须理解基本的编程概念，这样才能和AI有效沟通并判断它的输出是否正确。

  1. 基本语法与结构

    • 变量与数据类型：知道字符串、整数、布尔值、数组/列表、对象/字典是什么。能分辨 "123"（字符串）和 123（数字）的区别。
    • 控制流：理解 if...else 条件判断、for 和 while 循环是做什么的。
    • 函数/方法：明白函数是接收输入（参数）、执行操作、返回输出的模块。这是你让AI帮你完成任务的主要单位。

  2. 核心编程概念

    • API（应用程序接口）：理解“调用一个API”就像“向另一个服务发送一个请求并获得结果”。这是现代编程的基石。
    • CRUD：知道“增删改查”（Create, Read, Update, Delete）是大多数数据操作的基础。
    • 错误处理：意识到代码可能会出错（比如网络请求失败），好的代码应该能处理这些异常。

  3. 生态与工具常识

    • 语言与框架：了解主流编程语言（Python, JavaScript, Java, Go等）和框架（React, Vue, Spring等）的名字和大致用途。比如，你知道做网页前端用JavaScript，数据分析用Python。
    • 包管理器：知道 npm (JavaScript), pip (Python), Maven (Java) 是用于安装第三方库的工具。
    • 文件与目录结构：了解一个项目通常由多个文件组成，不同的文件有不同的职责（如 package.json 声明依赖，README.md 是说明文档）。

层面二：与AI交互的技巧（如何有效下指令）

这是最需要学习和练习的部分，通常被称为 “提示工程”（Prompt Engineering）。

1.  清晰、具体、无歧义

  • 坏例子：“写个函数排序。”（太模糊，按什么排？排什么？）
  • 好例子：“用Python写一个函数，接收一个整数列表作为参数，返回一个按从大到小排序的新列表。不要修改原列表。”

2.  提供上下文（Context）

  • 告诉AI你正在使用什么技术栈。例如：“我正在使用React 18和Tailwind CSS项目，请帮我...”
  • 说明你的意图和最终目标。例如：“我想实现一个无限滚动功能，目的是为了提升用户浏览文章列表时的体验。” 这能帮助AI给出更优的解决方案。

3.  结构化你的提示（Prompt）

  • 角色扮演：“扮演一位资深前端专家，帮我审查以下代码...”
  • 链式思考（Step-by-Step）：将复杂任务拆解成多个步骤让AI逐步完成。
  • 提供示例：给出一个输入输出的例子（One-shot或Few-shot learning），让AI模仿你的格式。例如：“请将以下日期格式转换... 示例：输入 ‘2023-04-01’ -> 输出 ‘04/01/2023’。”

4.  迭代与改进

  • 不要期望一次成功。将AI编程视为一次对话。如果结果不对，基于它的输出进行修正：“你生成的代码在数组为空时会报错，请添加处理空数组的情况。”
  • 让AI解释代码：如果看不懂AI生成的代码，直接问：“请逐行解释一下这段代码是如何工作的。”

层面三：软件工程与安全常识（判断AI的输出）

这是确保项目健康、安全的关键，也是最容易忽视的部分。

  1. 代码审查与调试能力

    • 逻辑检查：AI生成的代码可能逻辑正确但不符合你的业务需求。你必须能读懂流程，判断它是否是你想要的。
    • 边界情况：主动思考并测试边界情况。例如：“如果用户输入是空字符串怎么办？”“如果列表非常大，性能会不会有问题？”
    • 调试：当代码报错时，能将错误信息准确复制给AI，并请求它修复。例如：“运行你的代码出现了 TypeError: Cannot read properties of null，请修复。”

  2. 安全意识

    • 敏感信息：绝对不要让AI生成涉及真实密码、API密钥、加密密钥的代码。它可能会使用虚假的示例（如 sk_12345），但你一定要知道这些信息不能提交到代码库。
    • 常见漏洞：对SQL注入、XSS（跨站脚本）攻击等有基本概念。当AI生成拼接SQL字符串的代码时，你能意识到这可能存在风险，并追问：“这种方式是否容易导致SQL注入？请改为使用参数化查询。”

  3. 可维护性与最佳实践

    • 代码风格：能要求AI写出符合规范的代码，例如：“请遵循PEP 8规范编写这段Python代码。”
    • 注释与文档：可以要求AI为复杂函数添加注释，甚至生成API文档。

总结：一个高效的工作流

  1. 定义任务：用你自己的话想清楚要做什么。
  2. 转化为技术提示：用上文的技巧，将任务翻译成清晰、具体、有上下文的指令给AI。
  3. 审查与测试：永远不要直接复制粘贴！ 仔细阅读AI生成的代码，理解它，并在安全的环境下测试其功能性和边界情况。
  4. 迭代优化：根据测试结果，继续与AI对话，修复bug、优化代码、增加功能。
  5. 集成与交付：将满意的代码集成到你的项目中。

最终，掌握这些常识知识会让你成为一个强大的“AI驱动开发者”，你的核心价值不再是 memorizing syntax（记忆语法），而是定义问题、设计解决方案、评估结果的能力。这是未来人人都可能需要的数字素养。

avatar
文章
阅读
粉丝