先说结论：AI辅助编程不是"让AI替你写代码"，是"让AI帮你把重复劳动省掉，你专注在设计和决策上"。 下面用我最近的一个真实项目来说明。
项目背景：一个企业内部的知识库管理系统（Spring Boot + Vue），需求是：
传统做法预估工期：约4周（1人）。实际工期：2.5周。
项目启动，我先用AI生成了项目基础结构：
# Prompt: 生成一个Spring Boot项目，包含
# - user、doc、category三个模块
# - MyBatis-Plus + MySQL
# - Spring Security + JWT认证
# - RESTful API规范
（实测）脚手架代码AI一次性生成了大约70%的代码量。需要手动调整的地方主要是项目包名、配置文件里的数据库连接参数、以及一些自定义异常类的位置——这些都是AI不可能知道你项目具体配置的，改一下就好。
省了多少时间：原来手动搭脚手架要2天，AI搭完我改配置用了2小时。省了约1.5天。
这是最核心的阶段——文档CRUD、权限校验、全文搜索。
// 我写的prompt：生成DocController的CRUD接口
// AI生成的代码（我只需要补充业务校验逻辑）
@RestController
@RequestMapping("/api/docs")
public class DocController {
@Autowired
private DocService docService;
<span class="hljs-meta">@GetMapping</span>
<span class="hljs-keyword">public</span> Result<Page<DocVO>> <span class="hljs-title function_">list</span><span class="hljs-params">(<span class="hljs-meta">@RequestParam</span> <span class="hljs-type">int</span> page, <span class="hljs-meta">@RequestParam</span> <span class="hljs-type">int</span> size)</span> {
<span class="hljs-keyword">return</span> Result.success(docService.list(page, size));
}
<span class="hljs-meta">@PostMapping</span>
<span class="hljs-keyword">public</span> Result<DocVO> <span class="hljs-title function_">create</span><span class="hljs-params">(<span class="hljs-meta">@RequestBody</span> <span class="hljs-meta">@Valid</span> DocCreateDTO dto)</span> {
<span class="hljs-comment">// 补充：校验当前用户是否有创建权限</span>
<span class="hljs-keyword">if</span> (!currentUser.hasRole(<span class="hljs-string">"EDITOR"</span>)) {
<span class="hljs-keyword">return</span> Result.fail(<span class="hljs-string">"权限不足"</span>);
}
<span class="hljs-keyword">return</span> Result.success(docService.create(dto));
}
}
（实测）AI生成的Controller和Service骨架大约覆盖了60%的代码量。剩下40%需要我补充的是：
省了多少时间：核心业务手动写要2周，AI辅助用了1周。省了1周。
前端不是我强项，但AI在这里反而帮了大忙。
Prompt: 生成一个Vue3的文档编辑器页面
- 左侧目录树
- 中间Markdown编辑器（使用bytemd）
- 右侧属性面板
（实测）AI生成的前端代码我改的最多——布局调整、样式微调、接口对接。但相比于我从零开始写Vue组件，AI已经帮我省了至少一半时间。
省了多少时间：前端手动写1.5周，AI辅助用了0.5周。省了1周。
| 阶段 | 传统工时 | AI辅助工时 | 节省比例 |
|---|---|---|---|
| 脚手架搭建 | 2天 | 2小时 | 90% |
| 核心业务 | 2周 | 1周 | 50% |
| 前端集成 | 1.5周 | 0.5周 | 67% |
| 测试+上线 | 0.5周 | 0.5周（AI帮不上忙） | 0% |
| 总计 | 4周 | 2.5周 | 37.5% |
| 事项 | AI能做吗 | 说明 |
|---|---|---|
| 需求分析 | ❌ 不能 | AI不知道你的业务场景 |
| 权限体系设计 | ⚠️ 参考 | 可以给方案，但决策得你自己做 |
| 技术选型 | ⚠️ 参考 | AI给建议，你得自己判断 |
| 代码生成 | ✅ 能 | 省掉重复劳动 |
| 单元测试 | ✅ 能 | 但边界场景要自己补 |
| Bug排查 | ⚠️ 辅助 | AI能定位，但修复要自己审 |
| 上线部署 | ❌ 不能 | AI不知道你的服务器配置 |
观点收尾：
AI辅助编程的真实价值不是「替代程序员」，而是「让程序员把时间花在更值钱的事情上」——设计、决策、审查。重复的CRUD代码、模板化的配置、标准化的接口，这些交给AI做。
我对AI辅助编程的态度很简单：
更多AI编程工具的使用技巧可以看 ChatGPT和Claude哪个更适合写代码 和 AI代码助手Copilot和Cursor区别。
本文基于博主最近完成的一个真实项目的开发经历写成。