AI coding的好用工具分享

ai是真神，有人使用ai将cf上到黄，我严重怀疑我们2个用的ai不一样，有一说一，豆包，千问，还有别的免费的ai是很不错的白嫖软件，chat gpt,还有一些其他需要充钱的ai也很不错，现在的ai发展很迅速，我又不会的项目，或者环境配错误，都可以去问ai

自从用过AI coding，感觉像是打开了新世界的大门。cursor是真神，用过cursor写前端，提示词写明白一般都不需要怎么修改，大大节省前后端联调时间成本，页面不满意就压力AI继续生成。Copilot也用过，自动补全，生成一些简单的增删改查逻辑还是很不错的，据说学生认证还可以免费使用两年。

众所周知，早在AI Coding工具之前，辅助驾驶已经走了很长的路，他们对等级有L1、2、3等之分。所以本次我从等级角度，各个推荐一下。L1：各类插件，主要用于代码补全，对话等操作。国内外大厂的产品都可以用，差距不大。L2：脱离插件形态，有了更多元的能力。此时差距明显，模型与IDE本身的调教都有着差异。T0：Cursor。T1：亚马逊的Kiro，腾讯的Codebuddy，字节的Trae，阿里的Qoder，还有美团、快手等厂（同等级排名不分先后）因为是国际版，所以模型能力都一样了。我的原则是，哪个能白嫖，就用哪个。T1.5：以上的国内版本。L3：脱离IDE形态。各家都在探索，完全不需人来编写任何代码。率先出击的是，Claude Code，Gemini Cli。早期是黑窗形态，最近才有了可视化界面。黑窗状态下，我们只需要Shell脚本、提示词和command命令即可完成完全沉浸的AI Coding。但其实，这个目的，更是为了加入流水线，实现全自动化。当一个需求、issue来临时，前置脚本自动读入上下文，API 交互给L3工具，再通过HOOK、SKILL等触发自动测试，代码审校，提交代码等操作。腾讯跟的比较快，派出了Codebuddy Code，配合国产的GLM模型，能力尚可。字节的Trae则走了自己的路，SOLO模式，更方便于新手入门。阿里则剑走偏锋，把眼下的产品每一步都做到最好。不过，真在生产环境中，还是L1的Tab Tab不全最让人放心。

啥意思大哥

帮npy生成他们单位要的ppt，我直接放空大脑，打开我许久未启动的的个人笔记本（当然不可能很久没启动了，每天都打几把CFHD呀烘托一下气氛）熟练的打开edge浏览器（tips：搜索rewards每日签到可以白嫖）输入kimi.ai点击生成ppt，我勒个豆，许久未见，老K，你生成ppt的功底竟如此纯熟，你已不在青涩，而我也初入职场kimi感觉是免费的全能王，可以帮助你生成ppt，简单代码处理。普通学生应付毕设不二之选。不过现在免费的cursor基本上可以直接给你整出来一整套完整代码～

AI大神卡帕西发现，与其追求某个完美工具，不如把几种工作流拼接起来，取长补短。于是，他总结出了自己的“四层AI编程工具链”，整理给大家👇1️⃣ 日常主力：Tab自动补全差不多75%的写代码场景，还是依赖Cursor的Tab补全。在合适的位置写几行注释或代码，就是对LLM最直接的“任务说明”。2️⃣ 精准微调：高亮+修改高亮一个具体的代码块并要求进行某种修改。3️⃣ 整块功能：Claude Code/Codex用来处理相对容易描述的整块功能。这些工具非常有用，尽管总体效果参差不齐。但在要涉足不太熟悉的、更偏向氛围编程（vibe-coding）的领域时，它们是不可或缺的。这些工具也很适合一次性任务，例如CC可以快速写出1000行一次性的、广泛的可视化/代码找bug，找到错误后，所有这些代码都会被立即删除。这就是代码后稀缺时代：代码不再是稀缺资源，随便写，随便删。4️⃣ 最后防线：GPT-5 ProGPT-5 Pro用来处理最困难的事情。例如，当人/Cursor/CC都被一个错误困住了时，就可以把整个东西复制粘贴给5 Pro，它虽然会运行10分钟，但最终真的能找到一个非常细微的错误。

1.Cursor：在我2023年的夏天入职第一家小公司实习的时候，那个时候我的组长就教我如何使用cursor进行一个辅助开发，作为当时连基本的flex布局都不会写，es6语法掌握都不熟悉的小白来说，真的提供了很多的帮助，那个时候cursor才出来没多久，真的很难用，早期的 UI 交互非常粗糙，针对编码辅助也是局限于侧边栏的对话，tab快捷也没有，感觉就只是一个内置了很多prompt的对话工具+不流畅的编辑器。后续也是在断断续续使用cursor，充了很多钱，直到25年被ban了我就不再使用了。2.Augment Code:当时同事也推荐使用这个，真的好用，上下文的处理极其优秀，对claude gpt模型的调教也很厉害，就是真的太贵了，50美刀一个月；3.Copilot:也很好用的编辑器插件，快捷tab做的也不错，性价比很高，就是有时候用着用着感觉降智了，甚至不如自己写；4.Cline：好用，支持接入很多大模型，也是体验了国内mimo,kimi，glm等模型的编码，插件交互做的很不错，挺喜欢的一个插件；5.Windsurf：一般；6.Qoder：新账号体验了一下，当时针对交互做的确实不好，总感觉不流畅体验了一下就没使用了；7.Trae：目前的“主力军”。起初我也忽视了它，直到在黑客松线下体验了 SOLO 模式，彻底改观，编码的时候快捷也挺好用的，就是美化提示词有一点小小的不足，不过性价比是真的很高，目前国际版一周年活动非常良心（祝 Trae 生日快乐！），对于国内开发者来说，连接稳定性和响应速度都完胜竞品。

大厂的朋友，很好奇你们内部AIcoding啥现状？

大家好，我是程序员花海，今天周末，恰好有时间来和大家聊一下校招和实习的底层知识！友情提示：这边文章干货很多，建议收藏，也欢迎你的小花~我讲结合自己担任校招面试官多年的经验，从校招笔试、校招面试、选择Offer、提前入职、实习转正、试用期Landing等众多角度来一一为大家拆解校招的底层逻辑，话不多说，现在开讲！在准备校招面试的时候，大家可能会参考很多学长学姐的建议，但是你听到的的建议五花八门，比如有鹅选鹅、无鹅延毕，但是大家仔细想想，这句话真的对吗？首先无可厚非，鹅的福利真的很好，但是这个是从公司角度来说，这个公司整体氛围不错，但是你入职之后，是要分到某一个业务部门下的某一个组的，你的Offe...

分享3个日常开发离不开的AI coding工具, 覆盖不同场景, 帮大家提效避坑。GitHub Copilot主力, 写Java和SpringBoot代码时适配度很高, 上次写接口逻辑, 输入注释后它能自动补全业务代码, 连异常捕获的模板都能精准匹配, 省了不少敲重复代码的时间, 美中不足是偶尔会生成冗余语句, 需要手动甄别。Cursor适合快速调试bug, 尤其是被Python脚本折磨时, 之前写数据处理脚本遇上报错, 用它的内置调试功能, 能直接定位到语法错误和依赖冲突, 还会给出修改建议, 比自己翻文档高效太多, 轻量开发用着很顺手。Claude则适合梳理代码逻辑, 复杂业务模块先跟它描述需求, 让它生成大致框架, 再在此基础上优化。但要注意别完全依赖, 核心逻辑还是要自己把控, 避免出现隐蔽问题。

2026年了，写代码还在纯手搓？ 兄弟，时代变了。当个AI 邪修是真爽啊！ 这不仅仅是写代码，这是一套完整的自动化流水线。拥有一支AI 军团：既有负责搬砖的马仔，也有负责管事的管家。1️⃣ Copilot：肌肉记忆自动补全的 T0 选手。它不像是在帮你思考，更像是你的潜意识。当我写下 // 计算信噪比，它已经把公式代码灰显出来了。最佳场景： 写那些繁琐、重复、样板式的代码（比如写一大堆 get/set，或者写 C++ 的重载函数）。2️⃣ Cursor：神级IDE 能听懂人话的编辑器（VS Code 的完美进化体）：真正的黑科技。“重构这个模块，把单线程改成多线程，顺便更新所有接口。”它会自动...

1. DeepSeek-Coder：嵌入式底层代码生成主力适用场景：STM32/ESP32等MCU的外设初始化、寄存器配置、RTOS任务同步等硬件近端代码编写。根据实测，在STM32 UART初始化任务中，它能自动补全完整的HAL库配置流程（包括GPIO复用、时钟使能、中断设置），相比Copilot常遗漏硬件相关步骤，DeepSeek生成的代码可直接编译使用的比例更高。对直接寄存器操作（如操作LED引脚）时，它会优先使用BSRR寄存器进行原子操作，并详细注释位定义，避免新手误操作ODR寄存器导致引脚状态冲突。虽生成的代码结构规范，但中断处理函数中的全局变量声明仍需手动检查生命周期。2. Cursor + 嵌入式调试插件：硬件级问题定位助手适用场景：排查内存泄漏、栈溢出、传感器数据异常等嵌入式特有问题。结合PlatformIO或OpenOCD调试器，Cursor能通过AI分析实时运行日志（如FreeRTOS任务状态、堆栈使用量），精准定位内存越界或任务阻塞点。例如，当I2C传感器数据读取异常时，其内置的代码解释功能可关联数据手册中的时序图，提示SCL/SDA配置中的脉冲宽度不符问题。

TRAE SOLO 是一种高度自动化的开发方式，以 AI 为主导，可理解目标、承接上下文并调度工具，独立推进各阶段开发任务

只用过cursor，上手比较简单，但是想要用好也不容易，一知半解的去用说不定什么时候就会出来一堆的bug。。。不过对于学习来讲，不如直接用vscode+deepseek，不会的搞不懂的就去deepseek问，确保能够理解每一行，对于自我的提升会有很大帮助

比如你想实现一个功能，就用大白话告诉它，我写个登录页面，要带手机验证码的那种，它就能立刻生成完整的前后端代码。更厉害的是，它完全理解你整个项目的结构：如果你说把这个功能加到昨天写的用户模块里，它能精准定位到对应文件，连变量命名风格都会自动保持一致。

字节出的Trae，分国内版和国际版，国内版是完全免费的，所有功能随便用，不用花一分钱，solo模式全自动化帮你搞代码运行，一条龙服务，缺点就是只能支持国内的个别大模型，而国际版最近正好有一周年活动，免费送一个月的快速请求次数，不管是免费用户还是Pro用户都能领，趁这个机会试试海外的，使用gpt5.2还有Gemini高级大模型，薅一薅羊毛

欢迎大家多多使用Trae，如果你对Trae有任何不了解的地方也欢迎阅读我写的专栏！帮你解惑，Trae本身来说对于新手学习AI编程很容易上手，操作习惯也适合中国体质的同学！从数据库设计到后端接口，Trae 都给了我很多实用的建议。我还专门写了一个专栏，分享了一些使用 Trae 的经验和技巧，欢迎大家阅读，希望能帮到你们。专栏地址：https://www.nowcoder.com/creation/manager/columnDetail/jLNLbl

现在的ai大爆发时代，相关的工具真的是井喷式爆发，Auto-Prompt，这东西能自动优化你的提示词，约束ai的生成范围，让AI生成的代码更精准，它能帮你调整提示词，让AI更好地理解你的需求，生成更准确的代码，其他的像GitHub Copilot在智能补全代码方面超方便，Cursor生成代码片段也很快；Claude在调试代码上也很有一手，ai时代就应该全面拥抱它

最近和老同事们闲聊，聊其他事时大家可能争得面红耳赤，但一提到前端开发，我们都异口同声地觉得，前端这行已经明显在走下坡路了。经常听到小道消息，比如某个前端团队解散，只剩几个人并到后端去；某个部门今年没前端岗位；团队有前端离职后，就不补人了。当然，还没到大规模失业的程度，公司大多是慢慢缩减前端HC，但这衰退趋势太明显了。我觉得，这颓势从微服务推崇的前后端分离成为主流时就埋下了种子，AI Coding只是加速了它。前端基本只负责接收后端结果渲染页面，一个前端往往对接四五个后端，因为页面搭建不需要那么多人（现实就是这么残酷）。大厂的中台有海量成熟UI组件，npm一拉就能用，快速搭页面，然后定义变量调用...