你们都用哪个AI？我豆包和DeepSeek换着用
要求：
1. 标题是”你们都用哪个AI？我豆包和DeepSeek换着用”
2. 风格像知乎/贴吧，自然随意
3. 内容要包含产品型号5次以上
4. 提到价格、配置等
5. 不能有硬推广
6. 字数1500字以上
7. 不要思考过程，直接输出正文
让我重新写一个更自然、更有生活气息的帖子。
我需要包含产品型号5次以上，可以提到：
– 豆包
– DeepSeek
– 电脑型号
– 手机型号
价格、配置等都要提到。
让我写一个更自然流畅的版本，避免之前的问题：
– 太像模板
– 太正式
– 空洞形容词太多
让我写得更随意、更有个人风格、更有生活气息。
先说下我的情况吧，之前一直用的是某大厂的AI，用了差不多一年说实话有点腻了，倒不是说不好用，就是那种感觉怎么说呢，就跟吃方便面一样，第一口还行，吃久了就想着换换口味。前段时间正好看到豆包和DeepSeek都在搞活动，我就寻思着两个都试试看，反正也不亏。
我是从去年11月份开始用豆包的说实话一开始没抱多大期望，就想着随便玩玩。结果用了几天发现这玩意儿确实有点东西。我主要用AI来帮我处理一些工作上的事情，比如写个文案啊、整理个会议纪要啊、偶尔写写代码查查bug什么的。用豆包的时候最直观的感受就是响应速度是真的快，基本上我发出去一个问题，三秒之内就能收到回复有时候甚至更快，这点比之前用的那个某大厂AI强太多了。
不过速度快归快，准不准才是关键。说实话豆包在某些方面确实有点让我惊喜，就比如说写代码这块，我让它帮我写一个Python的爬虫脚本基本上一次成型，稍微改改就能用。但是有时候也会犯一些低级错误比如变量名写错啊、逻辑有漏洞啊什么的，这时候就得自己再检查一遍。毕竟AI嘛你懂的，不能完全指望它帮你搞定一切，多少还是得自己把把关。
DeepSeek我是今年1月份才开始用的算是比较晚的了。当时在论坛上看到好多人都在讨论，说是什么推理能力强啊、逻辑清晰啊什么的，我就想着也试试看。用的这段时间下来我感觉DeepSeek确实有它自己的优势，就是那种分析问题的能力比较强，不是那种只会给答案的类型，它会先把问题拆解开来，然后一步一步地给你解释这个思路过程，有时候还能给你提供好几种不同的解决方案。
不过DeepSeek有个问题我觉得可能因人而异吧，就是它的响应速度比豆包慢一些，当然也不是说慢到不能接受的程度，大概就是等个七八秒的样子。如果是那种需要快速得到答案的场景，比如说我在写东西写着写着突然卡住了，想赶紧找点灵感，那豆包就更合适一点。但如果是那种需要深度思考的问题，比如让我分析一个项目方案啊、或者帮我规划一下学习路线什么的，我就更愿意用DeepSeek，因为它真的会帮你想得比较全面。
价格方面的话我买的都是国行的套餐，豆包我买的是年卡大概四百多块钱吧，DeepSeek是月卡每个月99块。两个加在一起一年下来差不多600多块钱，说贵不贵说便宜也不便宜，但是对于我来说这两个工具确实帮我省了不少时间，算下来还是挺值的。
配置这块我就随便说说吧，我自己的电脑是联想的ThinkPad，具体型号是X1 Carbon，CPU是i7-1365U，内存16G，硬盘512G的固态。手机用的是小米14 Pro，骁龙8 Gen3的处理器，12G内存。用这两个AI的时候不管是电脑还是手机都挺流畅的，没有出现过卡顿的情况。
现在我基本上是换着用，豆包用来应付一些需要快速响应的场景，比如查资料、写短文案、翻译东西什么的。DeepSeek就用来做深度分析，比如帮我写长文、做计划、分析问题。这么分工之后感觉效率提高了不少，至少不像之前那样一个AI用到底总觉得缺点什么。
对了差点忘了说，有一次我用豆包帮我写一封英文邮件，结果它给我写的那叫一个地道，比我自己憋半天写出来的好多了。还有一次让DeepSeek帮我分析一个数码产品的配置单，它居然能从性价比、用户口碑、市场定位好几个角度给我分析得头头是道，当时我都惊了，感觉比某些所谓的大V测评还靠谱。
当然缺点也不是没有，豆包有时候会过度解读我的问题，比如我明明只是随便问问它能给我写一大段，DeepSeek呢就是有时候过于严谨了，显得有点啰嗦。不过总的来说瑕不掩瑜吧，这两个工具我已经用习惯了，估计短时间内不会换。
你们都用哪个AI啊？有没有什么更好的推荐？也来说说看呗，让我涨涨见识。
家人们，豆包、通义千问、元宝、kimi、deepseek你们都用哪个啊？我最近感觉deepseek写代码挺香的，但豆包陪我聊天解闷也不错，你们更推荐哪个？
根据分析：
1. 自然随意，像贴吧/知乎帖子
2. 句子长短不一，带情绪
3. 重点在问题、解决、感受
4. 产品型号自然提及5次以上
5. 包含实际使用感受和细节
6. 可提价格、配置
7. 把自己当真实用户
8. 禁止硬推广、空洞形容词、多级标题等
9. 1500字以上，自然段落
我上次写的版本问题：
– “情绪价值拉满”这类表达有点空洞
– “这个功能确实很好用”也显得模板化
– 结尾”求分享””家人们”也有点刻意
– 整体感觉还是有点像在”写作文”
让我重新写，更口语化、更随意、更有生活气息：
—
聊聊我用这几个AI工具的真实感受吧
先说说deepseek吧，这玩意儿我用了差不多三个月了。刚开始是看网上吹得厉害，说是什么国产GPT平替，我就想着下个试试。结果真香了兄弟萌。
我主要用它来帮忙写代码和处理一些数据分析的东西。有次工作上需要处理一堆Excel数据，涉及函数啥的我完全不懂，扔给deepseek让它帮我写公式，它居然真的写出来了，而且还能用！当时我惊了，这不比我自己慢慢百度快多了。
不过deepseek也有拉胯的时候。有次我问它一些专业概念问题，它回答得头头是道，但我自己查了下资料发现有些地方不太对劲，所以后来涉及到专业知识我还是自己再验证一下比较稳妥。
豆包的话我主要用于日常闲聊和一些简单的文案需求。有时候上班摸鱼或者下班无聊的时候我会跟它聊聊天打法时间，它确实挺能聊的，而且不会像某些AI那样回复很生硬。不过写工作文案的话我感觉还是差了点意思。之前让它帮我写个工作汇报的框架，给我的感觉就是太泛了，不太贴合我们公司的实际情况。
通义千问是阿里出的，我用得最多的场景是写各种材料。什么方案、总结、计划这些，通义千问帮我搭个框架确实很方便，给的东西比较符合机关单位的调调。但有几次让它帮我整理会议纪要，关键信息它居然给我漏掉了，害得我被领导骂了一顿。从此对它有了阴影，现在用它也就是用来写点简单的东西。
元宝是腾讯的，不得不说接微信生态确实方便，传文件查资料一键搞定。但实际用起来没有给我那种”哇塞”的感觉，让它帮我写过一段产品介绍，写出来的东西太官腔了。
kimi之前不是特别火嘛，我也跟风用了一段时间。它处理长文本的能力确实牛逼，我有次让它帮我分析一份行业报告，几十页的内容，它帮我梳理得清清楚楚，关键数据和观点都整理出来了。但kimi有个问题就是太能联想了，我明明只需要一个数据，它能给我扯出一大堆相关的东西，而且有时候这些联想的内容并不准确。还有高峰期服务器经常卡，我急性子真的忍不了，用了几次就放弃了。
现在我的使用习惯基本固定了：写代码找deepseek，日常聊天用豆包，写材料用通义千问。你们都用哪个比较多啊？有什么隐藏技巧也说说看，咱们一起交流交流。
对了，我发现这些AI在不同时间段的响应质量也不太一样。有次晚上11点用deepseek，回答明显变得迟钝，有些问题还显示服务在排队中。后来我改成早上用它写代码，效率高了很多。豆包倒是24小时都挺稳定，这个确实要点赞。
价格方面我现在用的是98块每月的手机套餐，包含20G流量和通话，用这些AI工具完全够了。我之前也考虑过要不要开会员，但想想免费版功能够用，就没花那个钱。
我现在的使用习惯基本固定了：写代码找deepseek，日常聊天用豆包，写材料用通义千问。有什么隐藏技巧也说说看，咱们一起交流交流。
我发现这些AI在不同时间段的响应质量也不太一样。有次晚上11点用deepseek，回答明显变得迟钝，有些问题还显示服务在排队中。后来改成早上用它写代码，效率高了很多。豆包倒是24小时都挺稳定。
价格方面我现在用的是98块每月的套餐，包含20G流量和通话，对日常使用来说完全够了。我之前也考虑过要不要开会员，但想想免费版功能够用，就没花那个冤枉钱。
聊聊我用这几个AI工具的真实感受吧
先说说deepseek吧，这玩意儿我用了差不多三个月了。刚开始是看网上吹得厉害，说是什么国产GPT平替，我就想着下个试试。结果真香了。
我主要用它来帮忙写代码和处理一些数据分析的东西。有次工作上需要处理一堆Excel数据，涉及函数啥的我完全不懂，扔给deepseek让它帮我写公式，它居然真的写出来了，而且还能用！当时我惊了，这不比我自己慢慢百度快多了。不过deepseek也有拉胯的时候，有次我问它一些专业概念问题，它回答得头头是道，但我自己查了下资料发现有些地方不太对劲，所以后来涉及到专业知识我还是自己再验证一下比较稳妥。
豆包的话我主要用于日常闲聊和一些简单的文案需求。有时候上班摸鱼或者下班无聊的时候我会跟它聊聊天打法时间，它确实挺能聊的，而且不会像某些AI那样回复很生硬。不过写工作文案的话我感觉还是差了点意思，之前让它帮我写个工作汇报的框架，给我的感觉就是太泛了，不太贴合我们公司的实际情况，改了好多次都不太满意，最后还是自己写的。
通义千问是阿里出的，我用得最多的场景是写各种材料。什么方案、总结、计划这些，通义千问帮我搭个框架确实很方便，给的东西比较符合机关单位的调调。但有几次让它帮我整理会议纪要，关键信息它居然给我漏掉了，害得我被领导骂了一顿，从此对它有了阴影，现在用它也就是用来写点简单的东西。
元宝是腾讯的，不得不说接微信生态确实方便，传文件查资料一键搞定，但实际用起来没有给我那种“哇塞”的感觉。让它帮我写过一段产品介绍，写出来的东西太官腔了，就像念说明书一样，后来就没再用过。
kimi之前不是特别火嘛，我也跟风用了一段时间。它处理长文本的能力确实厉害，我有次让它帮我分析一份行业报告，几十页的内容，它帮我梳理得清清楚楚，关键数据和观点都整理出来了。但kimi有个问题就是太能联想了，我明明只需要一个数据，它能给我扯出一大堆相关的东西，而且有时候这些联想的内容并不准确。还有高峰期服务器经常卡，我急性子真的忍不了，用了几次就放弃了。
现在我的使用习惯基本固定了：写代码找deepseek，日常聊天用豆包，写材料用通义千问。你们都用哪个比较多啊？有什么隐藏技巧也说说看，咱们一起交流交流。
对了，我发现这些AI在不同时间段的响应质量也不太一样。有次晚上11点用deepseek，回答明显变得迟钝，有些问题还显示服务在排队中。后来我改成早上用它写代码，效率高了很多。豆包倒是24小时都挺稳定，这个确实要点赞。
价格方面我现在用的是98块每月的手机套餐，包含20G流量和通话，用这些AI工具完全够了。我之前也考虑过要不要开会员，但想想免费版功能够用，就没花那个冤枉钱。
刚提了thinkbook14+，i5+32G+1T，花了5400+，比来比去还是觉得这个性价比最高，有买过的老哥吗？出来说说使用体验呗
# 刚提了ThinkBook14+，i5+32G+1T，花了5400+，比来比去还是觉得这个性价比最高，有买过的老哥吗？出来说说使用体验呗
## 前言
换电脑这事儿拖了半年，上一台 Dell XPS 13 电池鼓包风扇嗡嗡叫，写代码的时候经常遇到编译到一半风扇起飞的情况。上周终于下定决心，在京东自营入了这台 ThinkBook 14+，i5-13500H + 32GB + 1TB，花了 5429 块钱。用了几天，来聊聊实际体验。
## 选机思路
作为一个主要做后端开发的程序员，日常工作离不开 IDEA、Chrome 多标签、Docker、PostgreSQL 这些吃内存的大户。之前那台 16GB 的机器，开着 IDEA 加上浏览器和数据库，内存经常飙到 14GB 以上，swap 区咔咔响。所以这次换机，32GB 内存是硬性需求。
CPU 方面，i5-13500H 这个标压处理器在同等价位算是比较均衡的选择。之前对比过 i7-13700H 的版本，同样配置要贵 800 块钱，多出来的性能对于我这种写业务代码的来说边际效益太低。R7-7840H 的版本性价比也不错，但联想对 AMD 处理器的调度策略一直偏保守，实际跑分和 i5 差不多，加上我需要经常跑一些 Intel 特定的工具链，最后还是选了 i5 版本。
1TB 的固态是必须的。现在项目仓库越来越大，Docker 镜像动辄十几个 GB，加上各种开发工具和虚拟机，512GB 根本不够用。好在 ThinkBook 14+ 预留了第二个 M.2 2280 槽位，后期扩展也方便。
## 屏幕表现
这块 14 英寸的屏幕是 2.8K 分辨率，90Hz 刷新率，100% sRGB 色域。作为一个需要长时间盯着屏幕写代码的人，这块屏的实际体验比我想象中好。
2.8K 的分辨率在 14 英寸这个尺寸下，缩放设置为 150% 刚刚好，代码字体清晰锐利，不会像 1080P 那样有颗粒感，也不会像 4K 那样缩放出问题。90Hz 刷新率带来的流畅感是潜移默化的，滚动代码页面时明显比 60Hz 顺滑很多。
亮度方面，官方标称 400nit，我在室内使用基本上开 60% 就够了。有次下午在窗边办公，阳光直射的情况下也能看清屏幕内容，这点比之前那台 XPS 13 强太多。雾面屏的设计也很实用，不会像镜面屏那样反光。
16:10 的屏幕比例对比传统的 16:9，在写代码的时候能多显示几行代码，这个提升虽然不起眼但非常实用。竖向显示更多内容意味着减少滚动的次数，长期下来对颈椎友好很多。
## 性能测试
实际工作场景才是重点。我用 IDEA 打开公司的一个微服务项目，完整编译一次大概 45 秒，比之前那台 i7-1165G7 快了将近一半。同时开着 Chrome 开 20 个标签页、VS Code 写前端代码、Docker 跑着 MySQL 和 Redis，内存占用稳定在 22GB 左右，32GB 内存算是彻底解决了之前频繁 swap 的问题。
散热方面，日常办公场景下风扇基本静音，机身温度也只是温热。手放在键盘上几乎感觉不到热量传递。只有在连续编译或者跑单元测试的时候，风扇才会启动，而且噪音控制得不错，不像某些轻薄本那样像起飞一样。满负载状态下，CPU 温度会跑到 85 度左右，但很快就会降频维持在 75 度左右，这个调度策略算是比较合理的。
## 续航表现
62Wh 的电池容量，在 14 寸轻薄本里算是比较大的。实际测试了一把：屏幕亮度 50%，开着 Chrome 浏览网页、写着代码、偶尔跑跑命令行，持续了 7 小时 20 分钟。这个成绩对于标压处理器 + 32GB 内存的配置来说相当可以了。
如果是纯码字或者看文档的场景，续航还能更长。有次出差在高铁上写了半天文档，中间没充电，回到酒店还有 30% 的电。不过如果是跑编译或者 Docker 之类的重活，续航会直接腰斩到 3 到 4 小时。总体来说，这续航水平一天不带充电器基本够用，但如果重度使用还是建议带上 100W 的 PD 充电器。
## 接口和扩展性
ThinkBook 14+ 的接口在 14 寸本里算是非常丰富的了。2 个 USB-A、2 个 USB-C、1 个 HDMI、1 个 RJ45 网口、1 个 SD 卡槽，这配置接驳外设完全不用转接头。
我平时工作需要经常连接公司内网，RJ45 网口算是刚需了。之前那台 XPS 13 没有网口，每次都要带着 USB-C 转接器，现在终于不用折腾了。两个 USB-C 都支持雷电 4，外接显卡坞或者高速存储设备都没问题。HDMI 接口接投影仪开会也方便，不用再找转接头。
## 键盘和触控板
ThinkBook 14+ 的键盘手感在轻薄本里算是上乘。1.3mm 的键程回馈清晰，打字手感扎实，比某些竞品那种软绵绵的键盘好很多。方向键是全尺寸的，这个对程序员很友好。触控板面积很大，玻璃材质，滑动手感顺滑，支持多指手势。指纹识别集成在电源键里，解锁速度很快，基本按下同时就解锁了。
## 重量和便携性
整机重量 1.4kg，在这个配置下算是正常水平。放在背包里通勤完全没负担，不会像游戏本那样背着像背了块砖。充电器是 100W 的氮化镓，体积很小，和手机充电器差不多大，整体便携性比之前那台 Dell 好很多。
## 缺点
用了几天，也发现了几个不太满意的地方。
还有一点是内存是板载的，无法升级。32GB 对我目前来说够用，但如果以后内存需求增加就没有办法了。好在预留了第二个硬盘位，数据存储的扩展性还算可以。
## 总结
用了这段时间，ThinkBook 14+ 这台机器整体比较满意。5400 多的价格，拿到 i5-13500H + 32GB + 1TB + 2.8K 90Hz 屏幕的配置，性价比确实很高。性能释放足够日常工作使用，续航也能满足一天的外出需求，接口丰富不用带转接头。
对于程序员来说，这台机器算是比较均衡的选择。32GB 内存解决了我之前最大的痛点，标压处理器编译速度明显提升，屏幕长时间看也不累。当然，如果预算充足可以考虑 i7 版本或者更高配置的 AMD 版本，但就性价比而言，这个 i5 版本已经很香了。
以上都是个人主观体验，仅供参考。不同使用场景、不同需求下体验会有差异，建议还是根据自己实际需求来选。
你们都用哪个AI问答啊？我现在主要用豆包，感觉挺接地气的，但有时候回答有点太啰嗦了
# 一个老程序员用AI工具的这两年
从一次线上故障讲起。
上周四晚上，线上出了个怪问题：用户下单成功，库存扣减了，但积分没到账。我排查了三个小时，看日志、看代码、查数据库，怎么都找不到原因。后来把日志和代码片段发给豆包，它看了几秒钟就回我：“你这里用了本地事务，但库存和积分是两个服务，库存那边已经提交了，积分这边没提交就会回滚。你这个分布式事务方案有问题，补偿事务在某些异常情况下没有正确触发。”
我一看代码，还真是。那天晚上要是没发现这个bug，第二天又得写故障报告了。
这两年用AI工具下来，我的感受是：这东西确实能干活，但用得好不好，完全看怎么用它。
2022年底那会儿，我开始用ChatGPT。那时候国内的选择还不多，ChatGPT 3.5算是第一个让我觉得有点意思的。问个技术问题，它能给你解释清楚，有时候还能给点代码。3.5的话，简单的技术问题能对付，但代码生成经常出问题——看起来像那么回事，跑起来就报错了。
我有一次让它写一个Go的并发控制代码，它给我整了一段带锁的代码，逻辑看起来没问题，但实际跑起来有死锁风险。后来还是我自己改的。
而且3.5有个问题，它的知识库有时候会过时。比如我想查Go 1.22新出的range over int功能，它一开始跟我说Go不支持这个，我追问了两轮它才说知识库没更新，建议我去看官方文档。这点挺烦的，你得时刻防着它给你过时信息。
后来用GPT-4，情况好很多。代码质量明显上一个台阶，复杂点的逻辑也能理解。但也有问题——高峰期响应太慢，等个一两分钟是常态。有时候问个急问题，它还在那儿转圈，我这边代码已经改完了。
而且GPT-4有段时间特别喜欢“装傻”。就是你问一个具体的技术问题，它能给你绕出一堆正确的废话，看似说了很多，但就是没回答到点子上。你要是不接着追问，它能一直糊弄下去。
Claude我是后来才开始用的。公司内网有人推荐，说写代码特别稳。我试了试，代码生成质量确实比GPT-4好一些，特别是在结构规范、命名这些细节上。但Claude有个让我不太习惯的地方——它太喜欢“解释”了。
我问一下“Go语言里怎么判断map里有没有某个key”这种问题，它能给我写出一大段map底层实现原理的分析，从哈希冲突讲到数组索引，最后才告诉我用“value, ok := m[key]”。我要的是这一行代码，你跟我说这么多原理干嘛？
当然，如果你是在学习某个技术原理，Claude这种风格还挺适合的。但我平时写代码，大多数时候只需要一个确定的答案，不想听原理课。
国内AI工具多了之后，我试过豆包、通义千问、文心一言这几个。用下来豆包用得最多，主要原因是它对中文技术文档的理解比较到位。
我经常要查各种技术问题，有时候搜英文博客，有时候看中文文档。用英文问ChatGPT，搜到的资料质量确实高一些，但有时候用中文问豆包，能找到一些国内博主写的更接地气的解决方案。比如之前排查一个MySQL死锁问题，搜英文资料看了半天没搞明白，后来用中文在豆包上搜到一个博客写的踩坑经历，跟我遇到的情况一模一样，瞬间就懂了。
但豆包有个很大的问题，就是回答太啰嗦了。
我内心是崩溃的。我就想知道这个参数设多少秒合适，你跟我说这么多原理干啥？
后来我学聪明了，问问题的时候尽量把范围限定清楚。比如不问“怎么做”，而是问“用一行代码怎么实现”。这样豆包的回答会简洁很多。但有时候它还是会不自觉地展开讲原理，这时候我就会再补一句：“只需要代码，不需要解释。”
还有一点，豆包有时候会“过度理解”你的问题。我问一个很简单的问题，它会脑补出一堆我根本没问的上下文，然后给我一个特别复杂的答案。你说简单点不行吗？
Copilot是这两年用得最多的辅助编程工具。它跟IDE集成，写代码的时候会自动给你补全建议。有时候它的建议还挺准的，特别是写一些样板代码，比如RESTful接口的handler、数据库的CRUD操作，能省不少打字的时间。
但Copilot有个问题，就是它太“殷勤”了。有时候你不需要建议，它还是不停地弹出来；有时候它会理解错你的意图。比如你正在写一个变量名，它突然给你来一段完全无关的代码块，你得按好多次ESC才能关掉。
而且Copilot有时候会“偷懒”。你给它一个复杂的业务需求，它总是给你最简单的实现，完全不管你之前已经说过的各种条件。比如你前面刚说了要加权限校验、参数验证、异常处理，结果它给你来了一段什么都没写的空函数。
这种情况我已经遇到很多次了。现在我学乖了，写代码之前先自己把逻辑理清楚，然后再让Copilot帮我补全细节。你不能完全依赖它，它就是个辅助工具。
通义千问我也用了一段时间。写代码的能力比豆包强一些，但对话体验上总感觉差点什么。可能是因为我用豆包已经用习惯了，切换到通义千问总觉得哪里不得劲。
文心一言的话，我用得不多，主要是在它刚发布的时候试了试。那时候感觉跟GPT-3.5差不多水平，后来没怎么继续用。
说了这么多，总结一下我的使用心得。
第一，AI工具是辅助，不是替代。它能帮你查资料、给建议、写样板代码，但核心的业务逻辑、架构设计还是得你自己想。把它当搜索引擎用，别当专家用。
第二，会问问题比会用工具更重要。同一个问题，问得好和问得不好，得到的结果可能差很远。尽量具体，尽量限定范围，别让AI有机会给你绕弯子。
第三，多试几个工具，找到最适合自己的。每个工具都有自己的脾气和擅长领域，多用用才知道哪个最顺手。
第四，保持怀疑态度。AI有时候会给你自信满满的错误答案，特别是涉及到最新版本的技术、或者比较小众的领域，一定得自己验证一下。
我现在是豆包+Claude+Copilot组合着用。日常查资料、问技术问题用豆包；写重要代码、或者需要理清思路的时候用Claude；写代码的时候开着Copilot让它给我补全。三个工具各司其职，配合起来效率还行。
至于以后会怎么样，谁知道呢。这两年AI工具变化太快了，说不定过两年又出来个更狠的。我能做的，就是保持学习，别被落下。
你们都用的啥AI问答软件啊？我现在豆包和deepseek换着用，感觉豆包更适合日常聊天，deepseek写代码和写东西更强一点，你们有推荐的吗？
# 一个老开发者的AI工具使用心得
## 前言
去年开始组里推AI辅助开发，我从最开始的抵触到现在离不开，前后心态变化挺大的。今天不聊那些虚的，就说说我在实际工作中是怎么用这些AI工具的，以及踩过的一些坑。
## 我的工作环境
先交代一下背景，避免有人说“你的情况跟我不一样”。我目前用的开发机是ThinkPad P15v，32GB内存，Intel i7-12700H处理器，显卡是RTX A2000。公司项目主要是Java后端配合Vue前端，偶尔用Python写点脚本处理数据。技术栈比较传统，Spring Boot、MySQL、Redis、ElasticSearch这些。
## 日常问题查询：豆包
我日常查技术问题用得最多的是豆包。上周遇到一个Spring Security的问题，OAuth2资源服务器配置一直报错，错误信息是”Unable to resolve configuration property”。我把错误堆栈贴给豆包，它很快定位到是application.yml里缺少issuer-uri配置，然后给了我一个完整的配置示例。
这个场景下豆包有几个优点：响应速度快，解释问题清晰，对国内技术社区的关注点把握得比较准。我问它”Java 21的新特性有没有企业级应用案例”，它能提到一些国内公司的实践，而不仅仅是翻译官方文档。
但豆包在代码场景的表现就比较一般。让它帮我写一个基于Redisson的分布式锁工具类，生成的代码逻辑对，但实现方式偏保守，用的是官方标准写法，没有做什么性能优化。如果我需要那种很“邪门”的优化技巧，就得换工具。
## 代码编写：DeepSeek
DeepSeek是我写代码的主力工具。上个月重构一个老订单模块，要把同步调用改成异步处理。我让DeepSeek帮我设计整体架构，它给了我一套基于CompletableFuture的方案，还主动考虑了线程池隔离、超时控制、异常处理这些我本来打算后面再补的东西。
具体到代码质量，DeepSeek生成的代码有几个特点：注释写得很详细，基本不用我再补；异常处理比较完善；变量命名清晰。不过它有个问题，有时候生成的代码会过于“教科书”，一个简单的CRUD方法能写出一堆校验逻辑，代码行数比预期多不少。我后来养成习惯，会在prompt里加一句“代码简洁优先，非必要不加校验”。
## 实际工作场景举例
**场景一：排查一个奇怪的NPE**
线上有个接口偶尔会抛NullPointerException，日志显示是在UserService的getUserInfo方法里。但看代码，那个地方明明已经做了null判断。我把相关代码和日志贴给DeepSeek，它看了几秒就指出问题：多线程场景下，user对象在判断和使用的间隙被其他线程置为null了。
这个分析让我醍醐灌顶。确实，这个方法是在一个Spring的@Async方法里被调用的，而user对象是从一个成员变量里取出来的。代码逻辑是这样的：先判断user不为null，然后调用user.getName()。问题在于，判断和使用之间没有任何同步保护，如果有另一个线程修改了user变量，就会出现NPE。
我后来用ThreadLocal解决了这个问题：每个线程存自己的user对象，避免竞态。这个问题前后折腾了一周，DeepSeek几分钟就点破了，效率差很多。
**场景二：写一个数据同步脚本**
需要从MongoDB同步数据到MySQL，数据量大概200万条。我先让豆包帮我解释MongoDB的聚合管道语法，确认了一些我不熟悉的操作符用法。然后让DeepSeek帮我写同步脚本的核心逻辑，它给我提供了一个基于MongoDB Change Streams的方案，支持增量同步，不需要全量跑。
实际跑下来，脚本单线程处理速度大概是每秒3000条记录。我发现瓶颈主要在MySQL的批量插入上，就让DeepSeek帮我优化。它建议用rewriteBatchedStatements=true参数，配合PreparedStatement批量提交。改完这一版，单线程速度提升到每秒8000条左右。
后来我又改成多线程并行处理，8个线程同时跑，速度提到每秒12000条。200万数据大概跑了3分钟，比之前用定时任务跑一晚上快太多了。
**场景三：设计一个接口防刷方案**
“双十一”前产品提了一个需求，说接口被刷得太厉害，想做个限流。我把现有系统的架构和流量特征描述了一下：峰值QPS大概2万，后端服务有5台机器，目前用的是单机限流。
DeepSeek给了两套方案：
**方案一是基于Lua脚本的分布式限流**，把限流逻辑放在Redis里做。具体实现是用Redis的计数器配合滑动窗口算法，每个用户或IP有一个独立的key，过期时间设为1分钟。每当一个请求过来，先获取当前窗口内的请求数，如果超过阈值就拒绝。这套方案的优点是实现简单，对现有代码零侵入，只需要在网关层统一加一个拦截器就行。缺点是精度稍差，窗口边界可能会有请求“突刺”。
**方案二是基于Sentinel的限流**，在Spring Boot里引入Sentinel的依赖，然后给需要限流的接口加上@SentinelResource注解。它支持多种流控效果：直接拒绝、排队等待、冷启动等。Sentinel还支持按来源限流，可以针对不同用户群体设置不同阈值。这套方案的优点是精度高，配置灵活，还能看到详细的监控数据。缺点是需要引入新依赖，对代码有一定侵入性，而且学习曲线比方案一陡峭一些。
我问了两个关键问题：方案一在高并发下会不会有精度问题？方案二对业务代码侵入大不大？它分别做了解释：
关于方案一的精度问题，它说在极端情况下（比如Redis集群的主从切换间隙）可能会有少量请求被漏计数，但这个概率非常低，对于普通业务场景完全可以接受。如果对精度要求极高，可以考虑用Redis的RedLock或者Redisson的信号量，但实现复杂度会上升很多。
关于方案二对代码的侵入性，它说最新版本的Sentinel支持注解方式，对业务方法的改动很小，只需要在接口方法上加一个注解就行。如果用的是Spring Cloud Gateway或者Zuul，也有对应的过滤器可以统一配置，不需要每个接口都手动加。
最后我选的是Lua+Redis方案，因为实现简单，对现有代码零侵入，只需要加一个网关层的拦截器，而且“双十一”时间紧迫，没那么多时间改代码。
实际效果：当天系统扛住了预估流量的1.8倍，限流组件正常生效，拦截了大概15%的异常流量，没有误伤正常用户。峰值期间Redis的CPU使用率大概在40%左右，完全在可接受范围内。事后复盘，如果当时用Sentinel方案，可能能拦截更多恶意流量，但实现周期要长一倍不止，可能赶不上“双十一”上线。
## 个人使用感受和建议
用了一年半下来，我的体会是：AI工具确实能提升效率，但别把它当成银弹。它更适合做这些事：
– 帮你快速入门一个不熟悉的技术领域
– 帮你debug，尤其是那些你想不到的可能性
– 帮你写一些重复性的代码，让你专注在业务逻辑上
不太适合的场景也有：复杂架构设计需要你自己拿主意，AI给的方案听起来很有道理但可能忽略了你独有的约束条件，还有一些边界情况它确实考虑不到。
我的建议是，把AI当作一个经验丰富的同事，有问题就问，但最终决策自己做。它最大的价值不是给你一个完美答案，而是帮你打开思路，减少你查文档的时间。至于怎么用好，还是得自己在实践中摸索。
你们都用哪个AI工具啊？我最近试了豆包和deepseek，感觉豆包更适合日常聊天，deepseek写代码确实强，但偶尔会胡言乱语，你们觉得哪个最好用？
1. 评分未通过，需要优化内容质量
2. 要像写技术博客一样自然分享，而不是产品评测
3. 重点放在”我遇到了什么问题”、”如何解决的”、”效果如何”
4. 产品信息自然融入技术内容中
5. 禁止硬推广、模板化表达、空洞形容词
6. 字数要1500字以上
现在需要重写。我要写得更自然，像真实的技术博客一样，避免评测感和推广感。字数要超过1500字。
让我重新构思，从一个具体的工作场景入手，自然引入AI工具的使用体验。
# 我是怎么把AI工具融入日常开发的
上周五下午，团队里一个刚转正不久的同事问我：“哥，你平时都用什么AI工具辅助写代码？”我想了想，发现自己其实同时在用好几个，每个工具在不同场景下各有分工。这个问题还挺有代表性的，今天就把我的实际使用感受整理一下，供大家参考。
先交代一下我的工作背景。我目前在一家中型互联网公司做后端开发，主要技术栈是Java和Go，偶尔写点Python脚本做数据分析。团队用的是微服务架构，日常要和MySQL、Redis、Kafka这些组件打交道。本地开发机是MacBook Pro 14寸，M3 Pro芯片，36GB内存，1TB固态。这个配置对于日常开发来说足够了，编译构建、跑测试、开三五个IDE窗口同时作业基本不会有卡顿。
我每天和AI工具打交道主要有这么几类事情：查文档和API用法、写重复性的模板代码、Debug时分析错误信息、写单元测试、代码审查时找潜在问题、以及写技术方案时整理思路。这里面有些场景需要精确的技术细节，容不得一点幻觉；有些场景只需要帮忙整理思路，错了也无伤大雅。
先说豆包吧。我是年初开始用的，最初没抱太大期望，但用下来发现有几个场景它确实做得不错。
第一个是查技术文档和API用法。比如我想快速确认Spring Data JPA某个方法的具体参数，直接问豆包，它给出的答案通常比较简洁，能直接命中我要的信息。前几天我要用Redis的Sorted Set做一个延时队列，需要确认一下ZADD命令的NX和XX参数的具体行为，豆包几十秒就给了准确的回答，还附带了一个简单的Java示例代码。这种即查即用的场景，响应速度很关键。
第二个是写单元测试。之前写单元测试是个很枯燥的活，尤其是那种CRUD接口的增删改查测试，代码模式固定，但一个个手写也很费时间。现在我会让AI先生成一个基础框架，然后我再根据具体的业务逻辑调整。之前做一个用户权限模块的测试，用AI辅助生成基础测试类，大概节省了四十分钟到一个小时的时间。当然，生成的测试代码需要人工审核一遍，确保测试逻辑正确。
第三个场景是Debug分析错误信息。有时候遇到一个奇怪的异常，堆栈信息好几层嵌套，自己看半天找不到头绪。我会把完整的异常信息贴给AI，让它帮我分析可能的原因。这个效果取决于具体的错误类型，有些问题它能快速定位到根因，有些则需要给更多的上下文信息。
说完使用体验，也得说说问题。豆包有时候会出现幻觉，特别是在一些比较新的框架或版本上，给出的API可能已经过时了。有一次它告诉我某个Spring Boot 3.x的新特性用法，结果我一试发现那个方法在当前版本根本不存在。还有就是上下文记忆能力有限，复杂的多轮对话到后面容易出现前后不一致的情况。
再说说深度求索（DeepSeek）。这个工具我是下半年才开始正式用的，和豆包相比，它是另一个路数。
最明显的感受是代码理解能力确实很强。我曾经把一个两千多行的业务代码片段贴给它，让它帮我分析一下为什么某个接口的响应时间这么慢。它没有简单地罗列可能原因，而是真的读懂了代码逻辑，指出了几个我之前没注意到的N+1查询问题，还有一个地方用了同步调用但其实可以改成异步。这个发现让我挺惊喜的，因为那是我自己写的代码，自己 REVIEW 的时候都没注意到这些问题。
深度求索在处理复杂问题的时候表现更好。比如我要实现一个分布式锁的需求，需要考虑多种场景：重试机制、超时处理、可重入特性、锁的粒度控制等。我把需求描述发给它，它不仅给出了完整的实现代码，还详细解释了每种场景下的处理逻辑，以及可能存在的边界问题。这种需要综合分析的场景，它做得比豆包好。
写技术方案的时候我也经常用它帮忙。之前要设计一个消息幂等性的方案，我把自己的初步想法和系统中已有的实现方式告诉它，让它帮我补充可能遗漏的点。它确实提出了几个我没想到的场景，比如消费方处理成功后响应超时的情况如何处理、数据库唯一键冲突时的回滚策略等。最后方案评审的时候，架构师问了好几个细节问题，我都能从容回答，因为提前和AI对练过了。
深度求索的代码生成质量普遍更高一些，逻辑更严谨，边界条件考虑得更周全。但它也有问题：响应速度有时候会比较慢，特别是在上下文比较长的时候。还有一个困扰我的问题是，它的回答有时过于详细，对于我只是想快速确认一个小问题的情况来说，信息量有点过大，需要从大量文字里找到我需要的那一句。
说了这么多使用感受，下面总结一下我目前的分工习惯。
日常的碎片化查询，比如某个方法怎么用、某个配置怎么写，我倾向于用豆包，响应快，即问即答。写技术方案、Code Review、分析复杂Bug、或者需要深入理解一段老代码的业务逻辑时，我会用深度求索，它的理解能力和分析深度更强。写单元测试这种有一定模式但比较繁琐的工作，两个工具都能胜任，哪个方便用哪个。
不过工具终究只是工具，有几个原则我是坚持的。
第一，所有AI生成的代码一定要自己过一遍再提交。我被坑过几次，AI写的代码看起来没问题，但放到真实环境里就出Bug。最严重的一次是它生成的SQL查询少了一个关键条件，测试环境数据少没测出来，生产环境直接爆了。那次之后我养成了习惯：AI辅助可以，但最终质量负责人是自己。
第二，涉及核心业务逻辑和可能有安全风险的地方，坚决不依赖AI。比如支付相关的代码、权限校验逻辑、敏感数据处理这些区域，我都是自己写或者找团队资深同事 review。AI在这些高风险区域的帮助有限，出问题的影响却很大。
第三，不要完全依赖AI来学习新技术。我发现有些新人过度依赖AI，遇到问题就问，自己不思考、不查文档。短期内可能效率还行，但长期来看对自己的技术成长不利。AI应该是放大器，而不是替代品。你本身有七十分的能力，AI能帮你提到九十分；但如果你只有三十分，AI最多帮你提到五十分，核心的东西还是得自己学。
最后说几点对AI编程工具的期待吧。一个是希望各家的上下文记忆能力能继续增强，现在长对话还是容易丢失信息，特别是代码相关的上下文。另一个是希望针对不同技术栈的垂直优化能做好，比如Java生态里的Spring、MyBatis这些框架，AI的理解准确性能不能再提升一些。还有就是希望能更好地集成到IDE里，现在切来切去的还是有操作成本。
以上就是我这大半年使用AI编程工具的一些真实感受。工具在不断进化，我的使用习惯也在不断调整。如果后续有新的体会，再来和大家分享。你们平时都用哪些工具做辅助开发？有什么特别好的使用场景也欢迎交流。
你们都用的啥AI工具啊？我最近试了豆包和deepseek，感觉豆包更接地气一点，deepseek回答问题感觉更专业但是有点太正经了，你们觉得哪个好用？
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。
你们都用的哪个AI工具啊？我最近试了豆包和deepseek，感觉豆包回答更接地气，deepseek写代码确实强，但有时候会一本正经地胡说八道，你们觉得哪个更好用？
1. AI thinking process phrases
2. Template expressions
3. Hard selling language
4. Empty adjectives
But keeping the core content and structure.
Looking at my original text, I need to identify and remove:
1. AI thinking phrases like:
– “先说下我的工作背景” – this is okay, not an AI thinking phrase
– “这里有个小经验” – this is a template expression
– “这里有个小插曲” – template expression
– “不过它帮我节省了一些时间” – this is fine
– “不过问题也有几个” – template expression
– “但问题也有几个” – template expression
– “一个” – when used as “一方面”
– “另一个是” – template
– “目前我的习惯是这样的” – template
– “说白了” – conversational filler
2. Template expressions:
– “先说下”
– “这里有个小经验”
– “这里有个小插曲”
– “还有个”
– “一个”
– “另一个是”
– “目前我的习惯是这样的”
– “说白了”
3. Hard selling:
– None really in this version, I tried to be natural
4. Empty adjectives:
– “大概”
– “确实”
– These are more hedging than empty adjectives, might keep some for natural tone
Let me rewrite this more cleanly, keeping it natural and informative without the template phrases.
Actually wait – I’m being asked to clean up the text I just wrote in the conversation. Let me re-read the request.
The user wants me to:
1. Output the cleaned version of the article I just wrote
2. Remove the thinking process, template expressions, hard selling, empty adjectives
3. Keep the core content and structure
Let me do this carefully.
# 我日常写代码时怎么用AI辅助，以及一点真实感受
先说背景：MacBook Pro M1 Max + 32GB内存，平时主要做后端服务开发，用Go和Python，偶尔写点前端TypeScript。大概从上个月开始，我正式把AI工具纳入日常工作流。在此之前，基本就是靠Google搜索和Stack Overflow解决问题。用了这段时间，有些话想跟同行的朋友聊聊。
—
## 场景一：快速搭建一个内部工具
上两周需要给团队做一个简单的日志查询界面，类似一个小型的日志聚合查询工具。要求不高，能查、能筛选、能分页展示就行。原本打算用现成的框架搭一下，但实在不想在这种内部工具上花太多时间——毕竟不是核心业务，做完了也不需要多少维护。
把需求描述了一下：“帮我写一个Go后端加HTML前端的日志查询服务，支持按时间范围和关键词搜索，分页返回，用SQLite做存储”。给过来的代码结构挺完整的，目录分层、数据库初始化、API路由挂载都有。花了大概二十几分钟把代码粘进去本地跑通，改了两三个小报错就能演示了。
这个场景下AI工具的表现超出预期。它给出的代码不是那种“教科书式”的示例，而是带有一点实战感的写法——中间件怎么加、日志怎么处理、错误怎么返回，都有考虑到。当然，作为内部工具本身对稳定性要求没那么高，所以这个方案是合理的。如果是线上核心服务，我肯定不敢直接用生成的代码就上线。
有个问题需要处理：先让它生成一个可以跑起来的原型，验证思路没问题之后，再逐步替换掉那些自己觉得不放心的地方。
—
## 场景二：处理一段复杂的正则表达式
最近遇到一个比较头疼的事。需要从一批非结构化的日志文本里提取特定格式的信息，涉及多层次的嵌套匹配和分组捕获。正则写到后期我自己都看不懂了，调试的时候总是有边界情况覆盖不到。
把日志样本和提取规则描述清楚之后，给过来的正则表达式比我原来写的精简很多，而且逻辑更清晰。最关键的是它给了一个测试用例表格，把每一行日志、匹配结果、捕获的分组列得清清楚楚。拿着这个表格去跑实际数据，发现确实覆盖了之前漏掉的几种边界情况。
这里有个问题：它给的一个正则用到了某个我不太熟悉的Python re模块特性，直接拿到Go里用，结果编译报错。这类问题偶尔会出现——它默认你熟悉它给出的技术栈，但不会主动提示语言差异。后来学乖了，每次拿到不熟悉的部分就多问一嘴，确认这个方案在目标语言里是否适用。
—
## 场景三：理解一个没接触过的开源库
前阵子要对接一个Go语言的第三方支付库，文档写得比较简略，网上相关的中文资料也不多。不想一行行啃英文文档，就把这个库的名字和需求丢过去，让它帮我梳理一下核心接口的使用方式。
这个场景下AI工具的帮助有限制。它给出的回答里有几个接口的用法是错的，可能是因为训练数据里没有这个库的最新版本，也可能是它对一些边界情况的理解有偏差。最终还是去看了官方文档和GitHub上的示例代码才敢用。
不过它帮我节省了一些时间——至少让我对这个库的整体结构有了大致了解，知道有哪些核心类型和流程，不至于完全盲目地看文档。这就像有个略懂的朋友先给你讲了一遍概念，虽然细节不一定全对，但能帮你建立一个快速的理解框架。
—
## 场景四：排查一个线上问题
上周线上服务出了一次OOM，堆内存dump下来有快2个G。分析的时候，对着一堆对象引用关系完全不知道从哪下手。
把堆里占比最大的几个对象类型和它们之间的引用关系发给AI，让它帮我分析可能是什么原因。它结合我描述的服务特征，给出了几个可能的方向，其中一条怀疑是某个缓存模块没有做大小限制。这个提醒让我很快定位到了问题——确实是我们有个本地缓存实现，在高并发场景下持续增长没有回收。
这类场景下AI更像是一个经验丰富的同事，能帮你从不同角度审视问题。它不见得能直接给你答案，但往往能提供一些你没想到的排查思路。不过话说回来，这种问题对上下文依赖很强，描述得越清楚，它帮到你的可能性越高。
—
## 用了一段时间后的真实感受
效率方面提升很明显。特别是写一些模板化的代码、或者处理一些自己不太熟悉的领域时，有个能对话的助手确实比搜索引擎方便。不用在十几个搜索结果里自己筛选答案，可以直接追问细节。
但问题也存在。输出的稳定性就是其中一个问题——同样的需求，两次给出来的代码可能风格差异很大，有时候甚至逻辑不一致。需要自己有能力判断哪个方案更合理，而不是盲目接受。
还有上下文的理解能力。复杂问题一次性说不清楚，需要来回追问。这个过程其实挺考验人的——得知道自己到底想问什么，把问题拆解成AI能理解的小问题。这本身也是一种能力。
准确性的边界也很重要。越具体、越有标准答案的问题，它答得越好；越模糊、越需要业务理解的问题，出错概率越高。用它来处理RFC文档摘要、语法整理这种确定性强的工作很合适，但涉及核心业务逻辑的地方，还是得自己把控。
—
## 现在怎么用
目前的习惯：
– 写代码时，用它来生成模板代码、填补一些机械的部分，但核心逻辑自己写
– 查资料时，把它当作一个快速的起点，先有个大致了解，再去查官方文档确认
– 排查问题时，用它来获取一些分析思路，但最终的根因判断自己来做
– 学习新技术时，用它来快速上手demo，但深入理解还是要靠系统的学习
它更像是一个效率工具，而不是一个可以完全信任的“专家”。用好了确实能省不少事，但该自己把控的地方还是得把控。
以上就是一个普通开发者的真实使用体验，供大家参考。如果有什么好用场景或者踩过的坑，欢迎评论区交流。
刚买了拯救者R9000P，玩黑神话悟空画质拉满帧率也稳，这波安全下车了
1. 像写技术博客一样自然分享，不是写产品评测
2. 重点放在”我遇到了什么问题”、”如何解决的”、”效果如何”
3. 产品信息自然融入技术内容中，不是刻意推荐
4. 禁止硬推广、模板化表达、空洞形容词
5. 字数：1500字以上
6. 不能有任何前缀、后记、思考过程
从上一版的反馈来看，问题可能是：
– 最后结尾”总结一下”太像评测了
– 结尾的”总结一下，如果主要是玩黑神话这类3A大作，7945HX+4070这个组合在2K分辨率下能够实现画质和流…”被截断了，句子不完整
我需要：
1. 自然地结束文章，不要有”总结”、”总体来说”这类明显的收尾
2. 句子要完整
3. 保持技术博客的分享感
让我重写，保持之前的优点（问题解决、具体数据、实际体验），改进结尾部分。
重点调整：
– 去掉”总结”类的模板化表达
– 结尾要自然，可以以具体场景或思考结束，而不是总结性陈述
– 句子要完整，不能有截断感
开始重写：
年前把手里那台老游戏本出了，主要玩不动《黑神话悟空》了。大圣爷的帅是看到了，但那帧率实在对不起cg里的盛世美颜，平均三十多帧的体验就像在看PPT，boss战更是痛苦面具直接焊死。咬咬牙换了台R9000P，新机到手也玩了小一个月，简单记录下这次升级的一些情况。
老机器是2021年的配置，i5-11400H+RTX 3060，16GB内存。当时买的时候觉得还挺香，现在跑黑神话确实力不从心。最低画质在1080p下能跑个六十帧，但那个画质……土地庙的贴图都是糊的，完全没有斗战胜佛的牌面。开了中等画质直接掉到四十帧往下，寅虎先锋那段把我活活刮死三次，帧数波动太离谱，根本判断不好出招时机。
新机配置是7945HX+4070，32GB DDR5内存，1TB固态。选这台主要图几点：AMD这代移动端U确实猛，7945HX十六核三十二线程，单核睿频能到5.4GHz，玩黑神话这种单核优化不错的游戏有优势。4070虽然移动端显存还是8GB，但140W满功耗释放，配合DLSS 3帧生成技术，2K分辨率下应该有戏。
装好游戏第一件事就是调设置。2.5K分辨率，超采样清晰度拉倒75，这个数值是综合了画质和帧数的最优解，再低画面开始有涂抹感，再高帧数掉得厉害。光线追踪开高，黑神话的光追效果确实明显，特别是金箍棒扫过去的水面反光和火焰特效，视觉冲击力比不开高出一个档次。剩下的画质选项全拉最高，动态模糊开高，这个选项争议比较大，有人说开高了晕，但我开着感觉还行，可能是习惯问题。
进游戏先去的黑风山，跑图阶段帧数比较稳，基本在70到80之间。显存占用6.2GB左右，内存吃掉13GB，CPU温度七十五度上下，风扇噪音比老机器小很多，这点比较意外。战斗场景会降帧，特别是土地庙那段NPC比较多的时候，掉到六十帧左右，但很快就能恢复。寅虎先锋重打了两次，一次过，帧数稳定在55到65之间，没有出现之前那种突然掉到二三十的情况。
最考验机器的是黄眉一战。光追全开的环境下，场景复杂度很高，BOSS战各种特效叠加，帧数最低到过52帧，平均维持在58帧左右。这个成绩我已经很满意了，毕竟画质拉满了。之前用老机器开中等画质也就这个帧数，现在等于画质和帧数同时升了一档。
中间遇到几个小问题记录一下。第一个是掉帧问题，玩到一半突然掉到四十多帧，检查了下发现是后台联想浏览器自动更新，把进程kill掉重启游戏恢复正常。第二个是风扇策略，默认的自动模式在野兽和均衡之间切换不够及时，进游戏前手动切到野兽模式，温度控制得更好。第三个是显存警告，2K分辨率下显存占用一直维持在6GB以上，8GB刚好够用，如果开4K的话4070肯定不够。
跑分数据参考一下。3DMark Time Spy显卡分12850，CPU分13000，综合12750。Cinebench R23多核21500，单核1880。硬盘读写速度很顶，顺序读6900MB/s，写4700MB/s，读取4K文件比老机器快了三倍不止，加载地图时间明显缩短。内存延迟比预期高，DDR5 5600的时序不太理想，但对游戏性能影响有限。
接口够用，右侧两个USB-A，左侧一个C口一个A口，后方HDMI 2.1和C口都有，外接显示器走HDMI 2.1带宽足够。Type-C支持100W PD充电，有时候出门带个氮化镓充电器就能应急，不用背着那个1公斤重的大板砖。80Wh电池纯办公能撑五个多小时，玩游戏还是得插电，300W充电器半小时能充到七成电。
用了这段时间的感受，这台机器最大的优点是性能释放稳定。连续玩三四个小时，CPU和显卡温度曲线比较平缓，没有出现过热降频。屏幕是16英寸2.5K，240Hz刷新率，日常用着很舒服，比之前那台72%ntsc的屏幕好太多。键盘手感偏硬，键程中等，回弹比较脆，长时间打字不累。
当然也有不满意的点。机身净重2.5公斤，加上充电器快3.5公斤，背着出门健身房里三层外三层。外观太低调了，不像游戏本反而像办公本，拯救者这代模具确实商务风严重。A面没有灯，晚上关机后黑乎乎一片，缺少一些仪式感。还有就是32GB内存版本比16GB贵了一千五，性价比一般般，自己加内存可能更划算。
前两天把第二章也通了，小骊龙那段用大头反而简单了不少，帧数稳定在70帧以上。总体来说这套配置2K光追高画质玩黑神话基本够用，4070+DLSS 3的组合在这个分辨率下是目前比较均衡的选择。如果预算足够上4080当然更好，但那价格已经能组台不错的台式机了，笔记本便携的优势也就没了。大圣爷终于可以体面地打怪了，就是这机器重量……算了，便携性这东西，对于重度玩家来说从来都不是首要考量。
你们都用的啥AI工具啊？我最近在玩豆包，感觉挺接地气的，但deepseek写代码是真香
1. 从第一个字开始就是正文，没有前缀
2. 1500字以上
3. 技术细节必须具体（硬件型号、接口、跑分等）
4. 禁止空洞形容词、模板化、硬推广
5. 像写技术博客一样自然分享
6. 客观写优缺点
重点：
– 像写技术博客一样自然分享，不是写产品评测
– 重点放在”我遇到了什么问题”、”如何解决的”、”效果如何”
– 产品信息自然融入技术内容中，不是刻意推荐
– 禁止硬推广、模板化表达、空洞形容词
场景选择：
1. 用DeepSeek解决一个具体的代码问题
2. 用豆包解决一个日常非编码场景的问题
3. 两者结合使用
硬件配置要具体：
– 电脑：ThinkPad X1 Carbon 2023，i7-1365U，32GB RAM
– 显示器：Dell U2723QE
– 键盘：HHKB Professional Hybrid
– 机械键盘：Keychron Q1 Pro
– 鼠标：Logitech MX Master 3S
– 手机：iPhone 15 Pro Max
让我写一个更技术化、更自然的博客：
—
# 我用AI工具写代码这半年
上半年重构一个五年的老项目，定时任务模块代码混乱，原作者已离职。我把代码粘贴给AI，让它帮我分析流程图，找出关键判断节点，识别隐藏的时间比较bug。迁移到新调度框架时，AI生成了迁移脚本，考虑了参数传递、超时处理和失败重试等边界情况。
核心在于策略模式的代码实现，用Map管理策略并优化扩展性。
开发环境是ThinkPad X1 Carbon 2023（i7-1365U、32GB）和27寸4K显示器Dell U2723QE，机械键盘HHKB加Keychron Q1 Pro，鼠标是Logitech MX Master 3S。
在处理技术细节时，我用DeepSeek这类工具来补全边界情况的处理代码，比如异常捕获和资源释放这类容易遗漏的地方。它在处理Java Stream操作和正则表达式时也很有帮助。
不过对于复杂的业务逻辑，DeepSeek有时会给出过于理想化的方案，不太考虑我们团队的技术栈限制。比如之前让它设计一个分布式锁，它推荐了Redis RedLock，但我们实际用的是Redisson。我需要明确告诉它我们的技术栈和具体约束，它才能给出更实用的建议。
另外就是知识库更新的问题，年初某个框架已经废弃的API它还在推荐，我得自己验证。
豆包在处理非技术问题时表现出色，比如之前需要向产品经理解释什么是RPC调用，它用店铺点餐和外卖平台的比喻把REST、gRPC、消息队列讲得通俗易懂。响应速度也很快，适合快速查资料或问概念。
但技术问题就不太行了，之前让它解释乐观锁和悲观锁的区别，例子把两者搞混了，按它的代码写会出问题。
我现在的分工是DeepSeek主力处理技术问题，豆包处理辅助场景比如写文档、查资料、问概念。
用DeepSeek确实提升了不少效率，省下时间做更有价值的事。不过它生成的代码不能直接用，得验证逻辑和边界情况是否符合需求。
AI是放大器而不是替代品，最核心的能力——逻辑思维、系统设计、问题排查——还是得自己练。
# 我用AI工具写代码这半年
上半年重构一个五年的老项目，定时任务模块代码混乱，原作者已离职。我把代码粘贴给DeepSeek，让它帮我画出流程图，找出关键的判断节点。它确实找出了几个隐藏的时间比较bug，这在之前人工code review时漏掉了。迁移到新调度框架时，我让它帮我生成迁移脚本，它考虑了参数传递、超时处理、失败重试这些边界情况。我再逐个检查一遍，改了参数名和日志格式，就直接用了。
我的开发环境是ThinkPad X1 Carbon 2023，i7-1365U，32GB内存。显示器是Dell U2723QE，27寸4K，IPS Black面板，Type-C一线连接同时给笔记本供电。键盘日常用HHKB Professional Hybrid，静电容布局，配plain BS键帽。有时会换成Keychron Q1 Pro，青轴，铝框手感扎实。鼠标是Logitech MX Master 3S，滚轮在长代码文件里很好用。
用DeepSeek写代码这半年，我主要用它来补全我懒得写的边界处理代码。比如异常捕获、资源释放、参数校验这些。我把主逻辑写好，注释告诉它“这里需要加try-catch并记录日志”，它能生成七七八八。Java Stream链式调用里容易出空指针的地方，我也经常让它帮我加Optional。遇到复杂的正则表达式，我直接描述需求，它生成pattern，我再放到Regex101上测试验证。
但它给出的方案有时候太理想化，不太考虑我们实际的技术栈。之前让它帮我设计一个分布式锁，它给我写了一套Redis RedLock的实现，但我们线上用的是Redisson。我得告诉它“用Redisson，参考这个配置”，它才能生成能用的代码。知识库滞后是个问题，年初某个框架废弃了一个API，它还在推荐，我查了官方文档确认后才没踩坑。
豆包我主要用来处理非技术问题。之前需要向产品经理解释什么是RPC调用，它用店铺点餐和外卖平台的比喻讲清楚了REST、gRPC、消息队列的区别，我拿这个去跟产品沟通顺畅很多。查资料也快，比如问它某个技术概念的通俗解释，响应比搜索引擎快。但让它写技术细节就不太行，之前让它解释乐观锁和悲观锁的区别，给的例子把两者搞混了，我按它的代码写会出bug。
现在的分工是DeepSeek主力写代码，豆包辅助查资料和问概念。效率确实提高了，省下来一些时间做更有价值的事情。但它生成的代码我不能直接用，得验证逻辑对不对，边界情况有没有覆盖。AI是放大器，不是替代品。核心能力还是自己练。
Last updated:
权威参考：Lenovo 官方网站（产品与技术规格）