AI 辅助编程实战：从 Copilot 到 Cursor

AI 辅助编程概述

什么是 AI 辅助编程？

AI 辅助编程是使用人工智能技术帮助开发者编写代码、调试程序、优化性能的实践。

核心能力

代码生成：根据描述生成代码
代码补全：智能补全代码片段
代码审查：发现潜在问题
代码解释：解释代码功能
重构优化：改进代码质量

GitHub Copilot

安装配置

VS Code 安装


# 安装 VS Code 扩展
code --install-extension GitHub.copilot

# 登录 GitHub 账号
# 在 VS Code 中登录 GitHub 账号授权

基本使用

代码建议


# 输入注释，Copilot 会生成代码
# 实现快速排序算法

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

多行建议


# 输入函数签名
def calculate_statistics(numbers):
    # Copilot 会生成完整的函数实现
    if not numbers:
        return None
    
    total = sum(numbers)
    count = len(numbers)
    average = total / count
    
    sorted_numbers = sorted(numbers)
    median = sorted_numbers[count // 2]
    
    variance = sum((x - average) ** 2 for x in numbers) / count
    std_dev = variance ** 0.5
    
    return {
        'total': total,
        'count': count,
        'average': average,
        'median': median,
        'std_dev': std_dev
    }

高级技巧

Copilot Labs


# 安装 Copilot Labs
code --install-extension GitHub.copilot-labs

# 功能：
# - 代码解释
# - 代码翻译
# - 代码审查
# - 测试生成

Copilot Chat


# 安装 Copilot Chat
code --install-extension GitHub.copilot-chat

# 使用示例：
# /explain 解释这段代码
# /fix 修复代码中的问题
# /test 生成测试用例
# /refactor 重构代码

Cursor 编辑器

安装配置


# 下载 Cursor
# https://cursor.sh/

# 安装
# macOS/Linux: 直接运行
# Windows: 使用安装程序

# 配置 AI 模型
# Settings → AI Provider → 选择模型

核心功能

1. AI Chat


# 按 Cmd+L (Mac) 或 Ctrl+L (Windows) 打开 AI Chat

# 使用示例：
# "编写一个 Python 脚本，从 API 获取数据并保存到数据库"
# "解释这段代码的功能"
# "帮我优化这段代码的性能"

2. AI 代码生成


# 在 Cursor 中，按 Cmd+K (Mac) 或 Ctrl+K (Windows)
# 输入需求，AI 会生成代码

# 示例输入：
# "创建一个 Flask API，包含用户注册、登录、获取用户信息接口"

# Cursor 会生成：
from flask import Flask, request, jsonify
from flask_sqlalchemy import SQLAlchemy
from werkzeug.security import generate_password_hash, check_password_hash

app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///users.db'
db = SQLAlchemy(app)

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True, nullable=False)
    email = db.Column(db.String(120), unique=True, nullable=False)
    password_hash = db.Column(db.String(128))

@app.route('/register', methods=['POST'])
def register():
    data = request.get_json()
    username = data.get('username')
    email = data.get('email')
    password = data.get('password')
    
    if User.query.filter_by(username=username).first():
        return jsonify({'error': 'Username already exists'}), 400
    
    user = User(
        username=username,
        email=email,
        password_hash=generate_password_hash(password)
    )
    db.session.add(user)
    db.session.commit()
    
    return jsonify({'message': 'User registered successfully'}), 201

@app.route('/login', methods=['POST'])
def login():
    data = request.get_json()
    username = data.get('username')
    password = data.get('password')
    
    user = User.query.filter_by(username=username).first()
    
    if not user or not check_password_hash(user.password_hash, password):
        return jsonify({'error': 'Invalid credentials'}), 401
    
    return jsonify({'message': 'Login successful'}), 200

@app.route('/user/<int:user_id>', methods=['GET'])
def get_user(user_id):
    user = User.query.get(user_id)
    if not user:
        return jsonify({'error': 'User not found'}), 404
    
    return jsonify({
        'id': user.id,
        'username': user.username,
        'email': user.email
    })

if __name__ == '__main__':
    with app.app_context():
        db.create_all()
    app.run(debug=True)

3. AI 代码编辑


# 选择代码，按 Cmd+K (Mac) 或 Ctrl+K (Windows)
# 输入编辑指令

# 示例：
# 选择以下代码，输入"添加错误处理和日志"

# 原代码：
def divide(a, b):
    return a / b

# Cursor 会生成：
def divide(a, b):
    try:
        result = a / b
        logger.info(f"Division successful: {a} / {b} = {result}")
        return result
    except ZeroDivisionError:
        logger.error(f"Division by zero: {a} / {b}")
        raise
    except TypeError:
        logger.error(f"Invalid types for division: {type(a)} / {type(b)}")
        raise

其他 AI 编程工具

1. Codeium


# 安装 Codeium
code --install-extension Codeium.codeium

# 特点：
# - 免费使用
# - 支持多种语言
# - 代码补全和生成

2. Tabnine


# 安装 Tabnine
code --install-extension TabNine.tabnine-vscode

# 特点：
# - 本地运行
# - 保护隐私
# - 智能补全

3. Amazon CodeWhisperer


# 安装 AWS Toolkit
code --install-extension AmazonWebServices.aws-toolkit-vscode

# 特点：
# - AWS 集成
# - 支持 AWS 代码生成
# - 安全扫描

实战技巧

1. 高效提示词

清晰具体


❌ 不好的提示词："写个函数"

✅ 好的提示词："编写一个 Python 函数，使用递归方式计算斐波那契数列的第 n 项，包含输入验证和错误处理"

提供上下文


✅ 好的提示词：
"我正在开发一个电商系统，使用 Spring Boot 3.2 和 PostgreSQL。
请编写一个订单服务，包含以下功能：
1. 创建订单（库存检查、价格计算）
2. 查询订单（支持分页和排序）
3. 取消订单（库存回滚）
使用 JPA 和事务管理。"

指定风格


✅ 好的提示词：
"编写一个 React 组件，用于显示用户列表。
要求：
- 使用 TypeScript
- 使用函数组件和 Hooks
- 包含加载状态和错误处理
- 使用 Material-UI 组件库
- 遵循 Airbnb 代码风格"

2. 代码审查


# 选择代码，使用 AI 审查
# "审查这段代码，查找潜在的问题：性能、安全、可维护性"

# 示例代码：
def process_user_input(user_input):
    # SQL 注入漏洞
    query = f"SELECT * FROM users WHERE name = '{user_input}'"
    results = db.execute(query)
    return results

# AI 会指出：
# 1. SQL 注入漏洞
# 2. 缺少输入验证
# 3. 缺少错误处理
# 4. 使用参数化查询修复

3. 单元测试生成


# 选择函数，使用 AI 生成测试

# 原函数：
def calculate_discount(price, discount_rate):
    if price < 0 or discount_rate < 0 or discount_rate > 1:
        raise ValueError("Invalid input")
    return price * (1 - discount_rate)

# AI 生成的测试：
import unittest

class TestCalculateDiscount(unittest.TestCase):
    def test_normal_case(self):
        self.assertEqual(calculate_discount(100, 0.2), 80)
    
    def test_zero_discount(self):
        self.assertEqual(calculate_discount(100, 0), 100)
    
    def test_full_discount(self):
        self.assertEqual(calculate_discount(100, 1), 0)
    
    def test_invalid_price(self):
        with self.assertRaises(ValueError):
            calculate_discount(-100, 0.2)
    
    def test_invalid_discount_rate(self):
        with self.assertRaises(ValueError):
            calculate_discount(100, -0.2)

4. 代码重构


# 选择代码，使用 AI 重构
# "重构这段代码，提高可读性和性能"

# 原代码：
def find_duplicates(items):
    duplicates = []
    for i in range(len(items)):
        for j in range(i + 1, len(items)):
            if items[i] == items[j] and items[i] not in duplicates:
                duplicates.append(items[i])
    return duplicates

# AI 重构后：
def find_duplicates(items):
    """找出列表中的重复元素，使用集合提高性能。"""
    seen = set()
    duplicates = set()
    
    for item in items:
        if item in seen:
            duplicates.add(item)
        else:
            seen.add(item)
    
    return list(duplicates)

最佳实践

1. 验证 AI 生成代码


# ❌ 不要盲目信任 AI 生成的代码
# ✅ 始终验证代码的正确性和安全性

# 验证步骤：
# 1. 理解代码功能
# 2. 检查边界条件
# 3. 运行测试
# 4. 代码审查
# 5. 性能测试

2. 持续学习


# 定期更新 AI 模型
# 学习新的提示词技巧
# 参与社区讨论
# 分享使用经验

3. 保护隐私


# ❌ 不要将敏感代码发送到 AI
# ✅ 使用本地 AI 模型
# ✅ 匿名化代码后再发送
# ✅ 检查服务提供商的隐私政策

未来趋势

1. 更强的理解能力

更好的上下文理解
跨文件引用
项目级别重构

2. 多模态交互

语音输入
图像识别（UI 截图转代码）
视频教程转代码

3. 协作增强

团队共享上下文
代码审查协作
知识库集成

总结

AI 辅助编程正在改变开发方式：

提高效率：减少重复性工作
降低门槛：帮助新手快速上手
提高质量：发现潜在问题
持续学习：从 AI 生成的代码中学习
保持审慎：始终验证 AI 生成的代码

记住：AI 是助手，不是替代品。开发者的判断力和创造力仍然不可替代！

作者与出处

原作者： SDFBBB的小龙虾

整理：灏天文库整理

本站整理收录，版权归原作者/开源协议所有；欢迎通过原文链接访问源仓库。