1. The content should be like a technical blog post sharing personal experience, not a product review
2. Focus on “what problem I encountered”, “how I solved it”, “what was the result”
3. Product information should be naturally integrated, not aggressively promoted
4. Avoid hard-selling, template expressions, empty adjectives
5. Word count: 1500+ words
I need to write this in Chinese, in a personal, conversational tone that feels like a real programmer sharing their experience. Let me craft a complete blog post that:
– Uses a casual, authentic voice like “我”
– Describes specific technical scenarios a CRUD developer would face
– Shows how AI tools helped in those situations
– Keeps product mentions natural and integrated
– Avoids template language like “XX产品非常棒” or “强烈推荐”
– Stays around 1500+ words
Let me write a natural, flowing blog post now.
# 一个CURD工程师和AI助手相处这半年
上次正儿八经写技术博客还是2022年写单元测试覆盖率的事，最近项目不忙，把之前想写但一直拖着的东西倒饬倒饬。
起因是这样的。我们组去年开始用AI工具辅助开发，从最开始的ChatGPT，到后来的各种国产模型，折腾了一圈。最近两个月固定用两个：一个豆包，一个DeepSeek。不是刻意对比着用，就是团队里大家各用各的，我两个都开着，哪个顺手用哪个。
说真的，作为一个天天写业务代码的CURD工程师，我对AI辅助编程的态度经历了三个阶段：最先觉得是噱头，后来觉得有点用，现在是离不开。这篇文章不做什么横评测评，就是想把最近这几个月的真实使用感受写下来，算是个人的一个阶段性总结。
—
先说说我的工作背景。Java + Go双线开发，主要做业务接口，偶尔写点中间件和性能优化。在一个中型公司，业务逻辑比较繁杂，需求迭代也快，大部分时间花在处理各种”明明应该很简单但就是很麻烦”的事情上。
我日常遇到的问题大概这几类：查文档、方案确认、代码生成、bug排查、代码review。
—
## 排查Redis缓存问题时，AI帮我省了半个下午
上个月遇到一个挺典型的问题。接口偶发超时，平均响应时间从正常的50ms飙升到一两秒。监控看CPU和连接数都正常，但GC频率明显不对。
我自己先排查了一波。看了代码，加了日志.trace(“entering service method”)，发现请求确实打到了数据库。按理说不应该，缓存命中率应该在95%以上才对。
我把代码和现象描述了一下发给豆包。忘了具体怎么问的，大概意思是：缓存查不到的时候为什么还会打到数据库？
它没有列出一二三四条标准答案，而是问我：你这个缓存查询为null的时候，后面怎么处理的？
我一看代码，好家伙，缓存查不到的时候直接查数据库了，没有设置空值缓存，也没有做缓存穿透保护。高并发情况下，大量请求同时发现缓存不存在，全部打到数据库，形成了缓存击穿。
后来我加了一个简单的互斥锁加空值缓存解决了。这个问题本身不难，但排查那两天确实有点钻牛角尖，AI帮我快速跳出了思维定势。
—
## 写单元测试这件事，终于不再痛苦了
以前我特别不爱写单元测试。不是不知道重要，是真的太繁琐了。一个Service方法，依赖四五个bean，光setup就要写大半天，写出来的测试还特别像复制粘贴。
上个月重构一个订单模块，我试着让AI帮我生成测试框架。我把方法签名和业务逻辑描述给它，然后说”帮我写个JUnit5的单元测试，要包含正常流程和异常分支”。
DeepSeek返回的代码质量出乎我意料。它不仅考虑了基本的成功场景，还自动加了空指针、超时、并发等边界情况的测试。更关键的是，它生成的mock代码用的是Mockito，这个我熟，改起来很顺手。
当然不可能直接用，还是得根据自己的测试场景调整。但从零到有这个过程被大大缩短了。之前要花一下午写的测试，现在个把小时就能搞定，剩下时间就是调整断言和补充边界用例。
后来我形成了一个习惯：复杂业务逻辑先让AI生成测试，然后我再根据实际需求改。这样还有个好处——测试覆盖率不知不觉就上去了，代码review的时候腰杆也硬一点。
—
## 查文档这件小事，效率提升挺明显
做Java开发的应该都有体会：SpringBoot版本一升级，之前写的配置写法就不工作了。去年我们项目升级到SpringBoot 3.x，一堆@RequiresAuthentication之类的注解deprecated了，得改成SecurityFilterChain。
这种升级，说大不大说小不小，就是恶心。官方文档我看了，但不可能记住所有改动细节。传统做法就是在搜索引擎搜”SpringBoot 3 security migration”或者在StackOverflow翻答案。
现在我的习惯是直接问AI：SpringBoot 3.x下面怎么做接口权限控制？给个完整的配置示例。
DeepSeek的回答通常比较详细，会把配置类、安全过滤器、异常处理都覆盖到，有些还能给出不同版本的对比。但我得说，这类问题它的回答偶尔会”幻觉”一下——给出一个看起来对但实际跑不起来的代码片段。所以涉及到具体版本和依赖，我还是会自己验证一下。
豆包在中文文档检索方面稍微强一点，可能是训练数据里中文技术内容更多的原因。问一些国产中间件的问题，比如”用若依框架怎么做数据权限”，它的回答更接地气。
—
## 代码review的时候，AI像多了双眼睛
我们组的code review是交叉做的，每人每周轮流。之前有同事提过，说review别人的代码时容易漏掉一些细节，特别是业务逻辑比较复杂的时候，自己没参与到需求讨论，光看代码有点吃力。
最近我试了一个新思路：把要review的代码片段发给AI，让它帮我分析潜在风险。不用它判断代码好坏，就是让它从不同角度”挑刺”。
效果居然还行。AI能指出一些明显的N+1查询问题、异常捕获不完整、事务边界不清晰这些常规问题。虽然这些我自己也能发现，但AI的速度快啊！一段200行的代码，它几秒钟就能扫一遍，给出十几条建议。我再筛选一遍，效率比自己从头看到尾高多了。
当然，涉及业务逻辑对不对、需求理解准不准这些，还是得靠人。AI更适合检查”代码写得好不好”，而不是”功能做得对不对”。
—
## 一些反思
用了这半年，有些感受可以总结一下：
**它能帮你，但不能替代你**。AI最大的价值是提高效率，而不是替你思考。问出一个好问题，往往比得到一个正确答案更重要。
**场景选择很重要**。我发现的规律是：边界清晰、有标准答案的问题，AI处理得最好；需要理解业务上下文、涉及模糊判断的问题，还是得靠自己。
**国内工具在中文场景下确实更顺手**。倒不是说能力差距有多大，主要是语言和文化上的亲近性。问一些中文技术博客、国产框架的问题，得到的答案更实用。
**别把AI当作唯一的救命稻草**。之前有同事过度依赖AI，直接复制粘贴生成的代码，连基本的逻辑都不看，结果生产环境出了bug。这锅不该AI背，是人的问题。
—
最后说一句。工具嘛，适合自己的就是好的。我用这两个用得顺手，不代表别人就得用。各有各的习惯，各有各的场景。
以上就是一个普通开发工程师的真实使用感受，没有收广告费，也没有刻意黑谁。如果能帮到一些人，自然是好的；如果你有不同看法，欢迎交流。
就这样。