AI辅助编程工具应用现状 - Cursor的Tab自动补全功能在日常开发中使用占比约75% [4] - 高亮具体代码块后指示AI进行修改是更高层级的应用方式 [7] - 在代码正确位置编写代码块或注释能向AI高效传达任务规范 [6] 大模型代码生成能力特点 - Claude Code和Codex适合实现大块可直接描述的功能 [10] - 这些工具缺乏代码品味 经常产生防御性过强的代码（如滥用try/catch） [9] - 存在抽象过于复杂 代码臃肿和重复代码块等问题 [9] - 完全自动驾驶模式表现参差不齐 容易偏离需求 [11] - 经常需要手动中断（ESC）以避免错误输出 [12] 特殊场景下的工具价值 - 在处理不熟悉领域（如Rust SQL）时变得不可或缺 [9] - 适合风险较低的一次性定制化工具或调试代码 [9] - 能生成1000行一次性详尽可视化代码用于bug定位 [9] - AI不愿在编写代码过程中进行解释说明 教学功能行不通 [9] - 超参数调优尝试结果非常滑稽 [9] GPT-5 Pro的特殊定位 - 作为攻克顽固bug的终极防线 能定位其他工具无法解决的微妙bug [14] - 能处理最硬核的问题 曾解决人类和多个AI工具10分钟未能解决的bug [14] - 能挖掘各种生僻文档和论文资料 [14] - 可用于代码优化建议和完整文献综述 [14] 代码后稀缺时代特征 - 代码可低成本生成并随时丢弃 写与删的价值被重新审视 [1] - 能快速生成和丢弃大量定制化一次性代码 [19] - 写代码门槛降低 代码不再是稀缺资源 [19] - 工具使探索性和实验性编程成为可能 [19] - 编程领域被彻底引爆 充满无限可能性 [15] 工具使用理念与优化方法 - 不执着单一完美工具 倾向于整合多个工作流取长补短 [3] - 在不同层级任务中选择不同优势工具 [3] - 有人设置专门Agent负责CLAUDE.md文件的更新和校准 [15] - 可将Claude Code生成的代码交给GPT-5进行润色 [17] - 在不同任务上选择合适的模型被认为是一种艺术 [21]