这个“搭子”太棒了！AI助力结对编程新体验

您是否听说过“结对编程（Pair Programming）”这一概念？根据维基百科的定义，这是一种由两名程序员共同进行软件开发的方式。在这个过程中，一名程序员被称为“驾驶员”，负责代码的编写，而另一名程序员则被称为“观察员”或“领航员”，其任务是在“驾驶员”输入每一行代码时进行审查。此外，两名程序员之间常常会互换角色。在审查过程中，“观察员”不仅会关注代码的质量，还会考虑整体工作的“战略”方向，提出改进建议及未来需解决的问题。这样的安排旨在使“驾驶员”能够在“观察员”的指导下，专注于当前任务的“战术”落实。

在过去的两周里，我与人工智能（AI）合作，采用结对编程的方式，在一个全新的开发环境中，运用对我而言陌生的语言和框架，重建了我的博客。接下来，我将分享这一重建过程中与人工智能合作的一些经历。

背景概述

为了确保人工智能在重建过程中发挥重要作用，我设定了以下两条规则：

• 通过传统搜索引擎获取信息的比例不得超过20%。

• 不向其他开发人员寻求帮助。

换句话说，在这次开发和学习过程中，人工智能成为了我最主要的信息来源、合作伙伴和助手。可以说，这种合作方式类似于我们开头提到的“结对编程”，让人工智能在其中扮演伙伴的角色。因此，在整个过程中，我使用了 GitHub Copilot、ChatGPT、Claude 和 Warp 等工具，并将它们视为我编程的“伙伴”。

技术栈的选择

在选择技术栈的阶段，我主要依赖于 ChatGPT 和 Claude。通过向它们提供我的技术背景及具体需求，我在多轮交流中逐渐明确了自己需要的编程语言、框架和编辑器。

众所周知，与人工智能的交流相当灵活且广泛。每当人工智能提供建议时，我都会深入探讨相应的方向与细节，并定期总结自己的理解以便再次与人工智能确认。相比几个月前，GPT- 4 和 Claude 2 不再只是迎合提问者，而是及时、礼貌地指出我理解中的错误，有效地避免我陷入误区。最终，我选择了 TypeScript、Astro、TailWindCSS 和 VSCode 作为博客重建的核心技术。

在这一阶段，人工智能高效地为我提供了有价值的信息，并帮助我迅速做出决策。这种高效的原因可归结为以下几点：

• 明确的需求：清晰且易于理解的需求，使与人工智能的沟通变得简单，帮助其快速抓住提问者的意图。

• 成熟的技术选择：我选择的技术堆栈由成熟的项目构成，这些项目通常拥有活跃的在线社区和丰富的官方文档，为人工智能提供了可靠的语义基础，确保其对相关技术的深入理解。

• 结合个人经验：我在其他编程语言上的经验，使我在“结对”讨论中使用熟悉的语言、框架和开发环境作为参考，帮助人工智能更好地理解我的需求。

• 多个人工智能平台的互补性：我同时在 ChatGPT 和 Claude 上进行讨论。尽管这两个平台在大多数情况下提供相似的信息，偶尔也会有不同的建议，相当于在“结对”中增加了一个伙伴。

• 人工判断的重要性：尽管与传统搜索相比，人工智能提供的信息量有所减少，但如果用户缺乏分析和判断的能力，仍可能面临“选择困难”。因此，提问者必须具备良好的分析和判断能力，否则，过于宽松的自由度可能会妨碍获得理想结果。

开发环境的设置

虽然我以前使用过 VSCode，但从未将其作为主要开发工具。同时，我在安装 Node.js 和使用 NPM 方面的经验也相对有限。在这方面，AI 详细指导我构建了开发环境。

探索开发工具与人工智能的结合

特别值得一提的是，AI 在命令行操作中的应用过程。由于 Warp 提供的 AI 助手使用起来极为便利，当我遇到错误时，只需轻触闪电（⚡️）按钮，相关命令及其输出便会自动作为上下文提交给 AI。与之相对，在 GitHub Copilot 中，我必须手动挑选需要解释的输出内容，以确保上下文完整。虽然通过右键菜单的 AI 选项或快捷命令 @workspace /explain #terminalSelection 可以完成这项任务，但总的来说，Warp 的操作更为简便。

与 Xcode 的集成测试环境不同，使用 VSCode 的开发者必须根据所选语言和框架，来选择合适的测试框架和插件。在这个过程中，我遭遇了一些挑战。起初，我尝试按照 AI 的建议安装 Jest，但因开发环境与 Astro 的兼容性问题未能成功。在与 AI 几次交流无果后，我转向了搜索引擎，仍然没有找到解决方案。最终，一篇网络文章提到了一些我从未告知 AI 的配置背景信息，经过 AI 的指导，我终于成功配置了 Jest 框架。

然而，在进行后续的单元测试时，我再次发现 Jest 无法与 Astro 的运行环境协同工作。通过查阅 Astro 的官方文档，我意识到 ViTest 实际上是更适合 Astro 的测试框架。此外，ViTest 的安装过程十分便捷，能够完美运行 Astro 代码的测试。

因此，在这个项目中，我最终配置了两个测试框架，具体而言：使用 ViTest 进行 Astro 特定测试，而 Jest 则用于其他测试。

另外，不知是否是配置问题，GitHub Copilot 生成的默认测试代码是基于 Jest 的。为了生成适合 ViTest 的测试代码，我需要通过与 AI 的对话，明确提出这一请求。

通过上述经历，我逐渐认识到：即使有人工智能和搜索引擎的辅助，最权威的信息来源依然是官方文档。尽管 AI 对这些文档有相当的了解，但有时也会遗漏一些关键信息。这说明，官方文件的重要性是无可替代的，仍然是我们获取信息的首选。

通过代码阅读掌握新语言

通过阅读 Astro 提供的官方模板，我深入理解了 Astro，并且这也是学习 TypeScript 的最佳途径。在这个阶段，人工智能发挥了至关重要的作用，大大提升了我的学习效率。在 Astro 项目中，Astro 文件可能包含 TypeScript、JavaScript、HTML、CSS 以及特定的 Astro 标记和用法等多种元素。显然，对于缺乏相关经验的我来说，若没有人工智能的帮助，几乎无法找到学习的起点。

虽然 Astro 相较于其他框架较新，但人工智能的知识库已足以对其进行有效解读，并能清楚指出代码各部分的含义。借助人工智能对具体代码的详细解析，我逐渐掌握了代码的结构和逻辑。即使对于某些我不理解的地方，AI 也能及时提供进一步的解释。

在与 AI 的讨论中，我充分利用自己对其他编程语言和框架的了解，与人工智能进行对话。同时，我定期总结自己的理解，并请 AI 纠正其中的误解。随着讨论的深入，我还会定期请求 AI 提供先前讨论的结论，以便记录。

相关的代码解读和讨论主要是在 GitHub Copilot 中进行的。尽管 GitHub Copilot 整体表现良好，但使用过程中仍需注意一些事项，例如：

• 若未选择特定代码，GitHub Copilot 将仅解释当前编辑窗口中可见的代码。

• 为向 GitHub Copilot 提供更多上下文，手动选择提交的代码是必要的，这样才能形成当前问题的完整上下文。

• GitHub Copilot 不支持跨多个文档的讨论，因此用户需要自行整合不同文档的内容，以形成完整的上下文。

• GitHub Copilot 的回答有长度限制，若答案过长，可能会提示已覆盖的代码。在这种情况下，可能需要借助 ChatGPT 或 Claude 的帮助。

编程实践

自动生成代码的提示，是开发者体验人工智能强大潜力的重要途径之一。近期在开发者圈中热议的 GitHub Copilot，不仅能够洞察开发者的意图，还能实时创造出高质量的代码。对于我正在进行的博客重构项目，我不仅仅想要搭建一个全新的博客，同时希望在这个过程中学习并掌握新的编程语言和框架。因此，启用 GitHub Copilot 后，只要我提供足够的提示和注释，它便能迅速生成相关代码。

起初，我觉得这种方式非常不错，但随着使用的深入，我意识到自己在短时间内竟然养成了依赖人工智能生成代码的习惯。这样的依赖让我过于关注注释对代码生成的作用，而忽视了具体代码实现的基本概念。这显然与我希望通过重构掌握新语言的目标相悖。面对人工智能输出的代码结果，我甚至产生了自己已经精通这门语言的错觉。

意识到这一问题后，我决定只有在无法独立实现代码时，才会借助 GitHub Copilot 的实时代码生成功能。换句话说，不论代码质量如何，我都会先尝试自己编写，然后请人工智能帮助我识别问题，从而逐步提升代码的可读性与实用性。在这一过程中，我会向人工智能询问语法细节，请它指导我使用更符合 TypeScript 的编程范式和更适合的实现方法。

由于同一功能的代码可能会被多次重复编写，因此提前进行单元测试显得尤为重要。在 VSCode 中，无论是使用 Jest 还是 ViTest，都可以启用自动化测试，以便在代码修改后立即执行测试。我希望 Xcode 也能具备类似的功能。毕竟在不断修改代码的过程中，往往会出现需要优化或修正的情况，只有通过测试，我们才能及时发现潜在的问题。

小结

经过一段时间与 人工智能产品的密切合作，我逐步认识到：在有效利用人工智能的同时，保持个人技术的成长和独立思考是至关重要的。面对飞速发展的人工智能技术，它毫无疑问将对我们未来的生活和工作产生深远的影响。

如今，人工智能已经具备了迅速编写代码的能力，许多开发者或多或少地担心自己会被取代。作为一名开发者，我认为避免被取代的关键在于：不断提升自身技能，展示人工智能无法替代的独特价值。换句话说，虽然过度依赖人工智能确实可以在某些方面提高工作效率，或实现曾经无法实现的结果，但长此以往，开发者可能会逐渐失去自身优势，最终从人工智能工具的使用者转变为其助手：人类提示生成器（Human Prompt Generators）。当然，总体而言，人工智能在我学习和重建的过程中确实带来了巨大的惊喜。未来，我计划在工作中更加充分地融入人工智能。