去年年中开始用 AI 编程工具，到现在差不多一年。说句实话：刚开始我也将信将疑，觉得生成的代码质量不稳定，改起来还不如自己写。
但慢慢摸出一套用法之后，现在的日常开发节奏已经变了很多。这篇文章记录我实际在用的工作流，不讲概念，直接说怎么用。
工具选择
我主要用两个：
- Claude Code（命令行版）：处理复杂任务，写功能、重构、调 bug
- Cursor：日常编辑器，代码补全和小改动
两个工具定位不同，不是非此即彼的关系。
实际工作流
1. 新功能：先让 AI 起草，再人工审
以前写一个新接口，要想好数据结构、写 handler、写 service、写测试，一套下来快则半小时慢则更久。
现在的流程是：
# 在项目根目录，直接描述需求
claude "帮我实现一个用户权限检查的中间件，
需求：
- 从 JWT 里解析 user_id 和 roles
- 支持按路由配置所需角色
- 无权限返回 403，附上 reason 字段
- 已有的 JWT 工具在 pkg/auth/jwt.go"
Claude Code 会读相关文件，生成完整代码。我的工作变成：review 逻辑是否合理、改掉不符合项目规范的地方、补充边界 case。
这个流程快在哪里？起草成本接近零。我不需要从空白文件开始，直接有个能跑的版本，再在上面调整。
2. 调 Bug：给上下文，让 AI 分析
遇到 bug 时，以前的做法是自己加 log、缩小范围、定位。现在先把报错、相关代码、复现步骤一起甩给 Claude：
# 贴上错误信息
claude "这个接口偶发 panic，错误如下：
[贴 stack trace]
相关代码在 handler/order.go 的 CreateOrder 函数，
并发量高的时候才出现，低并发正常"
大多数情况下 AI 能直接指出问题所在，或者给出几个排查方向。省的是我自己看代码猜来猜去的时间。
3. 重构：描述意图，让 AI 执行
重构最烦的不是不知道怎么改，是改的量太大、改完还要全部过一遍。
claude "把 service/user.go 里的数据库操作都抽到
repository 层，接口定义参考 service/order.go 里
已有的 OrderRepository 模式，保持一致"
AI 改完之后，我只需要 diff 看一遍确认没有引入新问题。改动量大但逻辑简单的事，交给 AI 做很合适。
4. 写测试：最省力的部分
claude "给 pkg/auth/jwt.go 里的 ParseToken 函数写单元测试，
覆盖：正常 token、过期 token、签名错误、格式错误这四种 case"
测试代码是 AI 最擅长的——模式固定、覆盖率要求明确，生成质量很高，基本不需要大改。
几个用好的关键点
给足上下文
"帮我写个接口"和"帮我在 handler/user.go 里实现 /api/v1/users/{id}/profile 接口，参考 handler/order.go 的风格，返回格式用 pkg/response 里的 Response 结构"——后者的输出质量天差地别。
分解任务
一次让 AI 做的事不要太多。一个复杂功能拆成几步，每步确认没问题再继续，比一次让它把所有东西全写出来要稳很多。
保留自己的判断
AI 生成的代码要 review，不是盲目接受。尤其是安全相关、性能敏感、复杂并发的部分，要自己过一遍逻辑。
实际效果
硬要量化的话：日常功能开发大概快了 40-60%，写测试快了 70% 以上，处理不熟悉的代码库（看别人的代码、接手老项目）快了更多。
最大的感受是启动一个任务的心理成本低了——不用面对空白文件发呆，直接开始对话。
如果想系统了解 AI 辅助开发的各种工具和工作流，gufacode.com 上有专门的 AI 工作流实战教程，也覆盖了 Claude Code、Cursor 等工具的用法，可以去翻翻。
