1. 引言AI Coding即利用人工智能辅助编程正在深刻改变软件开发的方式。从自动补全代码片段到根据自然语言描述生成完整函数再到智能调试和代码审查AI 已经成为开发者不可或缺的伙伴。本文将带你从零开始深入探索 AI Coding 的核心工具、实践技巧和完整代码示例帮助你快速上手并提升开发效率。2. 主流 AI Coding 工具概览在开始实践之前我们先了解几款主流的 AI Coding 工具GitHub Copilot由 GitHub 和 OpenAI 推出深度集成 VS Code、JetBrains 等 IDE是目前最流行的 AI 编程助手。Cursor一款以 AI 为第一公民的代码编辑器内置强大的 AI 对话和代码生成能力。Codeium免费且功能强大的 AI 代码补全工具支持 70 语言和 40 IDE。Amazon CodeWhispererAWS 推出的 AI 编程助手对 AWS 服务有深度优化。本文的代码示例将主要基于GitHub Copilot和Cursor进行演示但核心思路适用于所有工具。3. 环境准备与配置3.1 安装 VS Code 与 GitHub Copilot下载并安装 VS Code。在 VS Code 扩展市场搜索并安装GitHub Copilot和GitHub Copilot Chat。使用 GitHub 账号登录并激活 Copilot需要订阅或申请试用。3.2 安装 Cursor访问 Cursor 官网 下载并安装。安装完成后使用 GitHub 或 Google 账号登录即可开始使用。4. 基础实践AI 辅助代码生成4.1 使用 Copilot 生成 Python 函数假设我们需要一个函数用于计算斐波那契数列。在 VS Code 中新建一个fib.py文件输入以下注释# 计算斐波那契数列的第 n 项使用动态规划按下回车后Copilot 会自动给出建议代码。如果建议不出现可以按Alt ]Windows/Linux或Option ]Mac手动触发。最终生成的代码可能如下deffibonacci(n:int)-int: 计算斐波那契数列的第 n 项动态规划实现 :param n: 非负整数 :return: 第 n 项的值 ifn0:raiseValueError(n 必须是非负整数)ifn1:returnn dp[0,1]foriinrange(2,n1):dp.append(dp[i-1]dp[i-2])returndp[n]# 测试if__name____main__:foriinrange(10):print(ffib({i}) {fibonacci(i)})4.2 使用 Cursor 的 Chat 功能生成完整模块在 Cursor 中我们可以通过Cmd KMac或Ctrl KWindows/Linux打开 AI 对话窗口。输入以下指令请用 Python 实现一个简单的 REST API 客户端支持 GET 和 POST 请求包含错误处理和超时设置。Cursor 会生成如下代码importrequestsfromtypingimportDict,Any,OptionalclassAPIClient:简单的 REST API 客户端def__init__(self,base_url:str,timeout:int10):self.base_urlbase_url.rstrip(/)self.timeouttimeout self.sessionrequests.Session()defget(self,endpoint:str,params:Optional[Dict[str,Any]]None)-Dict[str,Any]:发送 GET 请求urlf{self.base_url}/{endpoint.lstrip(/)}try:responseself.session.get(url,paramsparams,timeoutself.timeout)response.raise_for_status()returnresponse.json()exceptrequests.exceptions.Timeout:raiseException(f请求超时:{url})exceptrequests.exceptions.HTTPErrorase:raiseException(fHTTP 错误:{e.response.status_code}-{url})exceptrequests.exceptions.RequestExceptionase:raiseException(f请求失败:{e})defpost(self,endpoint:str,data:Optional[Dict[str,Any]]None)-Dict[str,Any]:发送 POST 请求urlf{self.base_url}/{endpoint.lstrip(/)}try:responseself.session.post(url,jsondata,timeoutself.timeout)response.raise_for_status()returnresponse.json()exceptrequests.exceptions.Timeout:raiseException(f请求超时:{url})exceptrequests.exceptions.HTTPErrorase:raiseException(fHTTP 错误:{e.response.status_code}-{url})exceptrequests.exceptions.RequestExceptionase:raiseException(f请求失败:{e})defclose(self):关闭会话self.session.close()# 使用示例if__name____main__:clientAPIClient(https://jsonplaceholder.typicode.com)# GET 请求postsclient.get(posts,params{userId:1})print(f获取到{len(posts)}篇文章)# POST 请求new_postclient.post(posts,data{title:AI Coding,body:实践指南,userId:1})print(f创建新文章ID:{new_post[id]})client.close()5. 进阶实践AI 辅助重构与优化5.1 代码重构假设我们有一段混乱的代码defprocess_data(d):r[]foriind:ifi[type]A:r.append({name:i[name],value:i[val]*2})elifi[type]B:r.append({name:i[name],value:i[val]*3})else:r.append({name:i[name],value:i[val]})returnr在 Cursor 中选中这段代码按Cmd K并输入重构这段代码使用策略模式提高可扩展性AI 会生成如下重构版本fromabcimportABC,abstractmethodfromtypingimportList,Dict,AnyclassDataProcessor(ABC):数据处理器抽象基类abstractmethoddefprocess(self,item:Dict[str,Any])-Dict[str,Any]:passclassTypeAProcessor(DataProcessor):defprocess(self,item:Dict[str,Any])-Dict[str,Any]:return{name:item[name],value:item[val]*2}classTypeBProcessor(DataProcessor):defprocess(self,item:Dict[str,Any])-Dict[str,Any]:return{name:item[name],value:item[val]*3}classDefaultProcessor(DataProcessor):defprocess(self,item:Dict[str,Any])-Dict[str,Any]:return{name:item[name],value:item[val]}classDataProcessorFactory:处理器工厂_processors{A:TypeAProcessor(),B:TypeBProcessor(),}classmethoddefget_processor(cls,item_type:str)-DataProcessor:returncls._processors.get(item_type,DefaultProcessor())defprocess_data(data:List[Dict[str,Any]])-List[Dict[str,Any]]:使用策略模式处理数据results[]foritemindata:processorDataProcessorFactory.get_processor(item[type])results.append(processor.process(item))returnresults5.2 性能优化选中一个函数在 Copilot Chat 中输入优化这个函数的性能使用缓存机制AI 会建议添加functools.lru_cache或自定义缓存fromfunctoolsimportlru_cachelru_cache(maxsize128)defexpensive_computation(n:int)-int:带缓存的耗时计算# 模拟耗时操作result0foriinrange(n):resulti**2returnresult6. 实战项目AI 辅助构建命令行工具让我们用 AI 辅助构建一个完整的命令行工具——文件搜索器。6.1 项目初始化在 Cursor 中新建项目创建file_searcher.py输入创建一个 Python 命令行工具用于在指定目录中搜索包含特定关键词的文件。支持递归搜索、忽略大小写、显示行号、输出到文件等功能。使用 argparse 解析参数。AI 会生成完整的代码框架#!/usr/bin/env python3 文件搜索器 - 在目录中搜索包含关键词的文件 importosimportargparseimportrefromtypingimportList,Tupledefsearch_files(directory:str,keyword:str,recursive:boolTrue,ignore_case:boolFalse,show_line_numbers:boolTrue,file_pattern:strNone)-List[Tuple[str,int,str]]: 在目录中搜索包含关键词的文件 :param directory: 搜索目录 :param keyword: 搜索关键词 :param recursive: 是否递归搜索子目录 :param ignore_case: 是否忽略大小写 :param show_line_numbers: 是否显示行号 :param file_pattern: 文件匹配模式如 *.py :return: 匹配结果列表 [(文件路径, 行号, 行内容)] results[]flagsre.IGNORECASEifignore_caseelse0patternre.compile(re.escape(keyword),flags)ifrecursive:forroot,dirs,filesinos.walk(directory):forfileinfiles:file_pathos.path.join(root,file)iffile_patternandnotfile.endswith(file_pattern.replace(*,)):continueresults.extend(_search_in_file(file_path,pattern,show_line_numbers))else:foriteminos.listdir(directory):file_pathos.path.join(directory,item)ifos.path.isfile(file_path):iffile_patternandnotitem.endswith(file_pattern.replace(*,)):continueresults.extend(_search_in_file(file_path,pattern,show_line_numbers))returnresultsdef_search_in_file(file_path:str,pattern:re.Pattern,show_line_numbers:bool)-List[Tuple[str,int,str]]:在单个文件中搜索results[]try:withopen(file_path,r,encodingutf-8,errorsignore)asf:forline_num,lineinenumerate(f,1):ifpattern.search(line):results.append((file_path,line_num,line.rstrip()))exceptExceptionase:print(f无法读取文件{file_path}:{e})returnresultsdefmain():parserargparse.ArgumentParser(description文件内容搜索工具)parser.add_argument(directory,help要搜索的目录)parser.add_argument(keyword,help搜索关键词)parser.add_argument(-r,--recursive,actionstore_true,defaultTrue,help递归搜索子目录)parser.add_argument(-i,--ignore-case,actionstore_true,help忽略大小写)parser.add_argument(-n,--no-line-numbers,actionstore_true,help不显示行号)parser.add_argument(-p,--pattern,help文件匹配模式如 *.py)parser.add_argument(-o,--output,help输出结果到文件)argsparser.parse_args()resultssearch_files(directoryargs.directory,keywordargs.keyword,recursiveargs.recursive,ignore_caseargs.ignore_case,show_line_numbersnotargs.no_line_numbers,file_patternargs.pattern)output_lines[]ifresults:print(f找到{len(results)}个匹配结果:\n)forfile_path,line_num,line_contentinresults:linef{file_path}:{line_num}:{line_content}ifnotargs.no_line_numberselsef{file_path}:{line_content}output_lines.append(line)print(line)else:msg未找到匹配结果。output_lines.append(msg)print(msg)ifargs.output:withopen(args.output,w,encodingutf-8)asf:f.write(\n.join(output_lines))print(f\n结果已保存到:{args.output})if__name____main__:main()6.2 添加单元测试在 Cursor 中新建test_file_searcher.py输入为 file_searcher.py 中的 search_files 函数编写单元测试使用 pytest包含临时目录和文件的创建与清理。AI 会生成测试代码importpytestimportosimporttempfilefromfile_searcherimportsearch_filespytest.fixturedeftemp_dir():创建临时目录和测试文件withtempfile.TemporaryDirectory()astmpdir:# 创建测试文件files{test1.txt:Hello World\nThis is a test\nAI Coding is fun,test2.txt:Python is great\nHello again,subdir/test3.txt:Nested file\nHello from subdirectory,data.csv:name,age\nAlice,30\nBob,25,}forfile_path,contentinfiles.items():full_pathos.path.join(tmpdir,file_path)os.makedirs(os.path.dirname(full_path),exist_okTrue)withopen(full_path,w)asf:f.write(content)yieldtmpdirdeftest_search_basic(temp_dir):测试基本搜索功能resultssearch_files(temp_dir,Hello)assertlen(results)3# 三个文件包含 Hellodeftest_search_ignore_case(temp_dir):测试忽略大小写resultssearch_files(temp_dir,hello,ignore_caseTrue)assertlen(results)3deftest_search_case_sensitive(temp_dir):测试大小写敏感resultssearch_files(temp_dir,hello,ignore_caseFalse)assertlen(results)0# 文件中的 Hello 首字母大写deftest_search_with_pattern(temp_dir):测试文件模式过滤resultssearch_files(temp_dir,Hello,file_pattern*.txt)assertlen(results)2# 只有 .txt 文件deftest_search_non_recursive(temp_dir):测试非递归搜索resultssearch_files(temp_dir,Hello,recursiveFalse)assertlen(results)2# 不包含子目录中的文件deftest_search_no_match(temp_dir):测试无匹配resultssearch_files(temp_dir,NonExistentKeyword)assertlen(results)07. AI Coding 最佳实践7.1 编写清晰的注释和提示AI 工具的效果很大程度上取决于你提供的上下文。好的注释和提示能显著提升生成代码的质量。不好的示例# 排序defsort_data(data):pass好的示例# 使用快速排序算法对用户列表按年龄降序排序# 输入: 用户字典列表每个字典包含 name 和 age 字段# 输出: 排序后的新列表不修改原列表defsort_users_by_age_desc(users:list)-list:pass7.2 善用 AI 进行代码审查将代码粘贴到 AI 对话中输入审查这段代码指出潜在的问题和改进建议重点关注安全性、性能、可读性、错误处理。7.3 迭代式开发不要期望 AI 一次生成完美代码。采用迭代式开发第一步让 AI 生成基础框架第二步运行测试发现问题第三步将错误信息反馈给 AI让其修复第四步逐步添加新功能8. 总结AI Coding 不是要取代开发者而是成为开发者的超级助手。通过本文的实践你应该已经掌握了主流 AI Coding 工具的安装和配置使用 AI 生成、重构和优化代码构建完整的命令行工具编写单元测试AI Coding 的最佳实践记住AI 工具的能力上限取决于你的引导能力。多实践、多尝试你会发现 AI Coding 能极大地提升你的开发效率和代码质量。现在打开你的编辑器开始你的 AI Coding 之旅吧
AI Coding 实战指南：从工具选择到代码生成
发布时间：2026/7/8 3:38:01
1. 引言AI Coding即利用人工智能辅助编程正在深刻改变软件开发的方式。从自动补全代码片段到根据自然语言描述生成完整函数再到智能调试和代码审查AI 已经成为开发者不可或缺的伙伴。本文将带你从零开始深入探索 AI Coding 的核心工具、实践技巧和完整代码示例帮助你快速上手并提升开发效率。2. 主流 AI Coding 工具概览在开始实践之前我们先了解几款主流的 AI Coding 工具GitHub Copilot由 GitHub 和 OpenAI 推出深度集成 VS Code、JetBrains 等 IDE是目前最流行的 AI 编程助手。Cursor一款以 AI 为第一公民的代码编辑器内置强大的 AI 对话和代码生成能力。Codeium免费且功能强大的 AI 代码补全工具支持 70 语言和 40 IDE。Amazon CodeWhispererAWS 推出的 AI 编程助手对 AWS 服务有深度优化。本文的代码示例将主要基于GitHub Copilot和Cursor进行演示但核心思路适用于所有工具。3. 环境准备与配置3.1 安装 VS Code 与 GitHub Copilot下载并安装 VS Code。在 VS Code 扩展市场搜索并安装GitHub Copilot和GitHub Copilot Chat。使用 GitHub 账号登录并激活 Copilot需要订阅或申请试用。3.2 安装 Cursor访问 Cursor 官网 下载并安装。安装完成后使用 GitHub 或 Google 账号登录即可开始使用。4. 基础实践AI 辅助代码生成4.1 使用 Copilot 生成 Python 函数假设我们需要一个函数用于计算斐波那契数列。在 VS Code 中新建一个fib.py文件输入以下注释# 计算斐波那契数列的第 n 项使用动态规划按下回车后Copilot 会自动给出建议代码。如果建议不出现可以按Alt ]Windows/Linux或Option ]Mac手动触发。最终生成的代码可能如下deffibonacci(n:int)-int: 计算斐波那契数列的第 n 项动态规划实现 :param n: 非负整数 :return: 第 n 项的值 ifn0:raiseValueError(n 必须是非负整数)ifn1:returnn dp[0,1]foriinrange(2,n1):dp.append(dp[i-1]dp[i-2])returndp[n]# 测试if__name____main__:foriinrange(10):print(ffib({i}) {fibonacci(i)})4.2 使用 Cursor 的 Chat 功能生成完整模块在 Cursor 中我们可以通过Cmd KMac或Ctrl KWindows/Linux打开 AI 对话窗口。输入以下指令请用 Python 实现一个简单的 REST API 客户端支持 GET 和 POST 请求包含错误处理和超时设置。Cursor 会生成如下代码importrequestsfromtypingimportDict,Any,OptionalclassAPIClient:简单的 REST API 客户端def__init__(self,base_url:str,timeout:int10):self.base_urlbase_url.rstrip(/)self.timeouttimeout self.sessionrequests.Session()defget(self,endpoint:str,params:Optional[Dict[str,Any]]None)-Dict[str,Any]:发送 GET 请求urlf{self.base_url}/{endpoint.lstrip(/)}try:responseself.session.get(url,paramsparams,timeoutself.timeout)response.raise_for_status()returnresponse.json()exceptrequests.exceptions.Timeout:raiseException(f请求超时:{url})exceptrequests.exceptions.HTTPErrorase:raiseException(fHTTP 错误:{e.response.status_code}-{url})exceptrequests.exceptions.RequestExceptionase:raiseException(f请求失败:{e})defpost(self,endpoint:str,data:Optional[Dict[str,Any]]None)-Dict[str,Any]:发送 POST 请求urlf{self.base_url}/{endpoint.lstrip(/)}try:responseself.session.post(url,jsondata,timeoutself.timeout)response.raise_for_status()returnresponse.json()exceptrequests.exceptions.Timeout:raiseException(f请求超时:{url})exceptrequests.exceptions.HTTPErrorase:raiseException(fHTTP 错误:{e.response.status_code}-{url})exceptrequests.exceptions.RequestExceptionase:raiseException(f请求失败:{e})defclose(self):关闭会话self.session.close()# 使用示例if__name____main__:clientAPIClient(https://jsonplaceholder.typicode.com)# GET 请求postsclient.get(posts,params{userId:1})print(f获取到{len(posts)}篇文章)# POST 请求new_postclient.post(posts,data{title:AI Coding,body:实践指南,userId:1})print(f创建新文章ID:{new_post[id]})client.close()5. 进阶实践AI 辅助重构与优化5.1 代码重构假设我们有一段混乱的代码defprocess_data(d):r[]foriind:ifi[type]A:r.append({name:i[name],value:i[val]*2})elifi[type]B:r.append({name:i[name],value:i[val]*3})else:r.append({name:i[name],value:i[val]})returnr在 Cursor 中选中这段代码按Cmd K并输入重构这段代码使用策略模式提高可扩展性AI 会生成如下重构版本fromabcimportABC,abstractmethodfromtypingimportList,Dict,AnyclassDataProcessor(ABC):数据处理器抽象基类abstractmethoddefprocess(self,item:Dict[str,Any])-Dict[str,Any]:passclassTypeAProcessor(DataProcessor):defprocess(self,item:Dict[str,Any])-Dict[str,Any]:return{name:item[name],value:item[val]*2}classTypeBProcessor(DataProcessor):defprocess(self,item:Dict[str,Any])-Dict[str,Any]:return{name:item[name],value:item[val]*3}classDefaultProcessor(DataProcessor):defprocess(self,item:Dict[str,Any])-Dict[str,Any]:return{name:item[name],value:item[val]}classDataProcessorFactory:处理器工厂_processors{A:TypeAProcessor(),B:TypeBProcessor(),}classmethoddefget_processor(cls,item_type:str)-DataProcessor:returncls._processors.get(item_type,DefaultProcessor())defprocess_data(data:List[Dict[str,Any]])-List[Dict[str,Any]]:使用策略模式处理数据results[]foritemindata:processorDataProcessorFactory.get_processor(item[type])results.append(processor.process(item))returnresults5.2 性能优化选中一个函数在 Copilot Chat 中输入优化这个函数的性能使用缓存机制AI 会建议添加functools.lru_cache或自定义缓存fromfunctoolsimportlru_cachelru_cache(maxsize128)defexpensive_computation(n:int)-int:带缓存的耗时计算# 模拟耗时操作result0foriinrange(n):resulti**2returnresult6. 实战项目AI 辅助构建命令行工具让我们用 AI 辅助构建一个完整的命令行工具——文件搜索器。6.1 项目初始化在 Cursor 中新建项目创建file_searcher.py输入创建一个 Python 命令行工具用于在指定目录中搜索包含特定关键词的文件。支持递归搜索、忽略大小写、显示行号、输出到文件等功能。使用 argparse 解析参数。AI 会生成完整的代码框架#!/usr/bin/env python3 文件搜索器 - 在目录中搜索包含关键词的文件 importosimportargparseimportrefromtypingimportList,Tupledefsearch_files(directory:str,keyword:str,recursive:boolTrue,ignore_case:boolFalse,show_line_numbers:boolTrue,file_pattern:strNone)-List[Tuple[str,int,str]]: 在目录中搜索包含关键词的文件 :param directory: 搜索目录 :param keyword: 搜索关键词 :param recursive: 是否递归搜索子目录 :param ignore_case: 是否忽略大小写 :param show_line_numbers: 是否显示行号 :param file_pattern: 文件匹配模式如 *.py :return: 匹配结果列表 [(文件路径, 行号, 行内容)] results[]flagsre.IGNORECASEifignore_caseelse0patternre.compile(re.escape(keyword),flags)ifrecursive:forroot,dirs,filesinos.walk(directory):forfileinfiles:file_pathos.path.join(root,file)iffile_patternandnotfile.endswith(file_pattern.replace(*,)):continueresults.extend(_search_in_file(file_path,pattern,show_line_numbers))else:foriteminos.listdir(directory):file_pathos.path.join(directory,item)ifos.path.isfile(file_path):iffile_patternandnotitem.endswith(file_pattern.replace(*,)):continueresults.extend(_search_in_file(file_path,pattern,show_line_numbers))returnresultsdef_search_in_file(file_path:str,pattern:re.Pattern,show_line_numbers:bool)-List[Tuple[str,int,str]]:在单个文件中搜索results[]try:withopen(file_path,r,encodingutf-8,errorsignore)asf:forline_num,lineinenumerate(f,1):ifpattern.search(line):results.append((file_path,line_num,line.rstrip()))exceptExceptionase:print(f无法读取文件{file_path}:{e})returnresultsdefmain():parserargparse.ArgumentParser(description文件内容搜索工具)parser.add_argument(directory,help要搜索的目录)parser.add_argument(keyword,help搜索关键词)parser.add_argument(-r,--recursive,actionstore_true,defaultTrue,help递归搜索子目录)parser.add_argument(-i,--ignore-case,actionstore_true,help忽略大小写)parser.add_argument(-n,--no-line-numbers,actionstore_true,help不显示行号)parser.add_argument(-p,--pattern,help文件匹配模式如 *.py)parser.add_argument(-o,--output,help输出结果到文件)argsparser.parse_args()resultssearch_files(directoryargs.directory,keywordargs.keyword,recursiveargs.recursive,ignore_caseargs.ignore_case,show_line_numbersnotargs.no_line_numbers,file_patternargs.pattern)output_lines[]ifresults:print(f找到{len(results)}个匹配结果:\n)forfile_path,line_num,line_contentinresults:linef{file_path}:{line_num}:{line_content}ifnotargs.no_line_numberselsef{file_path}:{line_content}output_lines.append(line)print(line)else:msg未找到匹配结果。output_lines.append(msg)print(msg)ifargs.output:withopen(args.output,w,encodingutf-8)asf:f.write(\n.join(output_lines))print(f\n结果已保存到:{args.output})if__name____main__:main()6.2 添加单元测试在 Cursor 中新建test_file_searcher.py输入为 file_searcher.py 中的 search_files 函数编写单元测试使用 pytest包含临时目录和文件的创建与清理。AI 会生成测试代码importpytestimportosimporttempfilefromfile_searcherimportsearch_filespytest.fixturedeftemp_dir():创建临时目录和测试文件withtempfile.TemporaryDirectory()astmpdir:# 创建测试文件files{test1.txt:Hello World\nThis is a test\nAI Coding is fun,test2.txt:Python is great\nHello again,subdir/test3.txt:Nested file\nHello from subdirectory,data.csv:name,age\nAlice,30\nBob,25,}forfile_path,contentinfiles.items():full_pathos.path.join(tmpdir,file_path)os.makedirs(os.path.dirname(full_path),exist_okTrue)withopen(full_path,w)asf:f.write(content)yieldtmpdirdeftest_search_basic(temp_dir):测试基本搜索功能resultssearch_files(temp_dir,Hello)assertlen(results)3# 三个文件包含 Hellodeftest_search_ignore_case(temp_dir):测试忽略大小写resultssearch_files(temp_dir,hello,ignore_caseTrue)assertlen(results)3deftest_search_case_sensitive(temp_dir):测试大小写敏感resultssearch_files(temp_dir,hello,ignore_caseFalse)assertlen(results)0# 文件中的 Hello 首字母大写deftest_search_with_pattern(temp_dir):测试文件模式过滤resultssearch_files(temp_dir,Hello,file_pattern*.txt)assertlen(results)2# 只有 .txt 文件deftest_search_non_recursive(temp_dir):测试非递归搜索resultssearch_files(temp_dir,Hello,recursiveFalse)assertlen(results)2# 不包含子目录中的文件deftest_search_no_match(temp_dir):测试无匹配resultssearch_files(temp_dir,NonExistentKeyword)assertlen(results)07. AI Coding 最佳实践7.1 编写清晰的注释和提示AI 工具的效果很大程度上取决于你提供的上下文。好的注释和提示能显著提升生成代码的质量。不好的示例# 排序defsort_data(data):pass好的示例# 使用快速排序算法对用户列表按年龄降序排序# 输入: 用户字典列表每个字典包含 name 和 age 字段# 输出: 排序后的新列表不修改原列表defsort_users_by_age_desc(users:list)-list:pass7.2 善用 AI 进行代码审查将代码粘贴到 AI 对话中输入审查这段代码指出潜在的问题和改进建议重点关注安全性、性能、可读性、错误处理。7.3 迭代式开发不要期望 AI 一次生成完美代码。采用迭代式开发第一步让 AI 生成基础框架第二步运行测试发现问题第三步将错误信息反馈给 AI让其修复第四步逐步添加新功能8. 总结AI Coding 不是要取代开发者而是成为开发者的超级助手。通过本文的实践你应该已经掌握了主流 AI Coding 工具的安装和配置使用 AI 生成、重构和优化代码构建完整的命令行工具编写单元测试AI Coding 的最佳实践记住AI 工具的能力上限取决于你的引导能力。多实践、多尝试你会发现 AI Coding 能极大地提升你的开发效率和代码质量。现在打开你的编辑器开始你的 AI Coding 之旅吧
相关文章
AI 是一个可以降本增效的完美存在
一个好消息，大伙儿暂时不需要太担心因为 AI 丢饭碗了。因为老板算完账后会发现，你的性价比可能更高。今年 3 月份，老黄一句 “如果一名 50 万美元的工程师每年没有消耗至少价值 25 万美元的 Token，我会深感不安”，让这…
okbiye｜科研汇报不用熬夜排版！一站式 AI PPT 生成工具实现文稿到演示稿无缝转化
okbiye-免费查重复率aigc检测/开题报告/毕业论文/智能排版/文献综述/AI PPTAI PPT制作 - Okbiye智能写作https://www.okbiye.com/ppt 一、学术汇报 PPT 制作痛点，成无数学生与科研工作者时间消耗重灾区 课程答辩、中期汇报、期末课堂展示、学术会议分享、项目结题答…
2026外贸建站公司推荐
2026外贸建站公司推荐企业在 2026 年继续搜索这类题目，通常不是单纯想找一个页面制作工具，而是在判断小程序、商城或网站能否承担获客、转化、订单管理和客户沉淀。不同企业的预算、人员能力和业务阶段差异很大，因此“哪家好”更准确地说&…
【大模型应用】Loop Engineering
Loop Engineering 最近AI领域冒出新概念 Loop Engineering，自媒体吹捧它是继提示词工程、上下文工程、驾驭工程之后的全新时代；行业专家笼统解释为「围绕大模型搭建自主运行循环系统」，宣称AI从单次工具响应升级为长期自主代理。 这套话术全是…
KLayout Python API深度解析：高级版图自动化处理的7个核心技术要点
KLayout Python API深度解析：高级版图自动化处理的7个核心技术要点 【免费下载链接】klayout KLayout Main Sources 项目地址: https://gitcode.com/gh_mirrors/kl/klayout KLayout Python API（pya模块）为芯片设计和版图工程师提供了强…
Frida逆向工程实战：从环境搭建到Hook调试的完整避坑指南
1. 项目概述：为什么我们需要一份“避坑指南”？ 如果你在逆向分析或者安全测试领域摸爬滚打过一段时间，Frida这个名字对你来说一定不陌生。它就像一把瑞士军刀，功能强大，能让你在运行时动态地窥探和修改目标应用的行为…
Loop Engineering：AI智能体的自循环设计
Loop Engineering：构建自主循环的AI智能体系统 随着大语言模型能力的提升，AI应用开发正经历一场深刻的范式迁移。从早期专注于单次交互的Prompt Engineering，演进到如今面向复杂、长周期任务的Loop Engineering。这标志着AI开发的核心从“如…
想让客户自动裂变增长？朝阳软件开发公司的积分系统怎么设计 | 2026年07月
客户增长慢、老用户留不住、营销活动效果越来越差……这是2026年许多朝阳区企业老板的常态痛点。其实，解决路径早已明朗：通过一套精心设计的积分任务系统，把用户行为变成可量化的“游戏”，让客户自己想留下来、主动帮你拉人。那么…
RK3576录音设备驱动注册以及调试
1.概述我们配置linux音频设备树的时候离不开三个概念，一个是dai接口（对接很多协议）一个是codec数模转换芯片(音频的转化或者输出) 另一个是声卡。协议层方面可以分为pcm和其他2.配置层在配置层我们需要配置以下：1.声卡层 2.dai层 …
VOC/COCO/YOLO 3种格式互转实战：Python脚本实现80%代码复用
VOC/COCO/YOLO 3种格式互转实战：Python脚本实现80%代码复用 在计算机视觉项目中，数据格式转换是算法工程师和数据工程师的日常痛点。当你需要将PASCAL VOC格式的数据集迁移到YOLOv7训练框架，或是将COCO格式的标注转换为轻量化的TXT格式时&…
3大核心能力重塑《明日方舟》游戏体验：MAA自动化助手的革命性突破
3大核心能力重塑《明日方舟》游戏体验：MAA自动化助手的革命性突破 【免费下载链接】MaaAssistantArknights 《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients. 项目地址: …
高精度模拟信号数字化方案：ADS122U04与dsPIC33EP512MU810应用
1. 项目概述：高精度模拟信号数字化方案在工业测量、医疗设备和环境监测等领域，我们经常需要将温度、压力、光照等模拟信号转换为数字信号进行处理。ADS122U04和dsPIC33EP512MU810的组合，为这类应用提供了高精度、低功耗的解决方案。ADS122U04…
3步彻底解决Windows右键菜单混乱问题：ContextMenuManager使用全攻略
3步彻底解决Windows右键菜单混乱问题：ContextMenuManager使用全攻略 【免费下载链接】ContextMenuManager 🖱️ 纯粹的Windows右键菜单管理程序 项目地址: https://gitcode.com/gh_mirrors/co/ContextMenuManager 你是否曾为Windows右键菜单中那些…
从GitHub安全案例解析常见漏洞与防护实践
1. 项目概述：从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目，叫 skills4/skills ，它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景：一个旨在展示或教授某种技能的仓库，本身却成了安…
MLT 2026启示：因果推理与概率建模驱动下一代LLM应用
# MLT 2026启示：因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战：从“黑箱预测”到“可信推理”2026年6月，第7届机器学习与趋势国际会议（MLT 2026）将在悉尼召开。会议议程中，“因果与可解释机器学习…
FAE放射组学分析工具：医学影像特征探索的完整解决方案
FAE放射组学分析工具：医学影像特征探索的完整解决方案 【免费下载链接】FAE FeAture Explorer 项目地址: https://gitcode.com/gh_mirrors/fae/FAE 你是否曾经面对海量医学影像数据感到无从下手？想要从CT、MRI等影像中提取有价值的定量特征&#…
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南 【免费下载链接】happy-llm 📚 从零开始构建大模型 项目地址: https://gitcode.com/GitHub_Trending/ha/happy-llm 还在为大型多模态模型动辄数十亿参数、显存占用高而烦恼&…
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table. 项目地址…