用了半年Codex和Copilot，这些血泪经验值8万字
用AI编程工具一年半，写了将近8万行代码，今天说点真话。
别把AI当搜索引擎用。 很多人上来就问"怎么实现这个功能"，结果生成的代码一塌糊涂。正确姿势是：先给它上下文。告诉它你用的框架、数据库、代码在哪个文件、有什么约束。上下文给得越清楚，代码质量差距能差出三倍。
Codex CLI的正确打开方式是这样的：
先让它读项目，不要直接让它写代码。可以说"帮我了解一下这个项目的结构，启动需要哪些命令，测试怎么跑"。等它把项目摸清了，再提需求。上来就让AI重构整个系统？那不叫用工具，那叫给自己埋雷。
Copilot最被低估的功能是Alt+]和Alt-[。 大多数人只知道Tab和Esc，遇到不满意的建议就删掉重来。其实Copilot为同一段代码会准备多个方案，按Alt+]切下一个，Alt-[切上一个。很多时候第二个方案比第一个好得多，但你从来没用过。
写提示词有个"四件套"公式：目标、上下文、约束、完成标准。 举个例子：目标是在UserService里加一个获取用户权限的接口；上下文是这个服务用了Spring Boot，数据库是PostgreSQL；约束是接口需要做权限校验，返回结果要缓存；完成标准是跑过现有的单元测试。这四件套说清楚，AI生成的代码可以直接用的比例能从四成提到七成以上。
Cloud Code适合在大型项目里做快速定位。 很多团队用K8s和微服务，出问题要一层层查日志。用Cloud Code的交互式调试，能直接在日志里定位到具体哪行代码、哪个接口超时，比grep强十倍。
Copilot的代理模式（Agent Mode）有个致命误区：不要让它自动提交代码。 我见过有人开着自动提交，结果AI把生产环境的配置改掉了。代理模式只用来规划任务，具体执行和提交必须经过你人工审核。
Copilot的@workspace引用是真正的效率开关。 在Chat里提问时，加上@workspace能让AI读完整个项目的上下文，生成结果精准得多。不加的话，它只能靠你当前打开的文件盲猜。
所有AI编程工具的统一原则：永远不要把密钥和密码发给AI。 你让它查bug没问题，但让它操作.env文件或数据库连接配置？一旦泄露，后果不可逆。上传之前先在本地搜一遍有没有敏感信息。
最后说一个很多人不知道的数据：GitHub Copilot对简单重复性代码的生成准确率超过85%，但对复杂业务逻辑下降到不足40%。 所以AI编程工具最强的场景是：写单元测试、生成样板代码、解释老代码、查bug。真正需要设计架构和写核心算法的部分，还得靠人。
用对工具，才能真的省时间。
AI编程 GitHubCopilot Codex 程序员效率工具 CloudCode 编程技巧 开发者工具 AI辅助编程 编程效率