最近沉迷AI编程，20天下来对话了差不多两万次，token烧了十几亿。说实话，一开始我也觉得这玩意就是个高级补全工具，用了一段时间才发现完全不是那么回事。
先说结论：认知决定上限
很多人把AI编程工具当成"更聪明的自动补全"，这个定位就错了。正确的打开方式应该是把它当成一个经验丰富但需要管理的开发团队。你是产品经理+技术总监，它是执行团队。
认知一变，用法完全不一样。
20天干了什么？
不吹不黑，20天搞了3个完整产品：
- 一个AI对话应用（Flutter，2天搞定），支持语音、文字、简历上传
- 一个iOS启动器（原生开发，也是2天）
- 一个macOS工具应用（花了大概两周，功能比较复杂）
关键是——全程没手写一行代码。全靠Vibe Coding，就是用自然语言描述需求，让AI去实现。
几个实战心得
1. 需求描述是核心能力
小需求直接说就行，但稍微复杂点的，必须先写PRD。我一般的流程是：
需求收集 → PRD（3000字左右） → 技术方案（1万字） → 执行规划（4万字） → 开发
没错，一个需求光文档就好几万字。但这些文档本身也是AI帮写的，你只需要把控方向和做决策。
2. 上下文管理非常关键
这个坑我踩了好多次。上下文塞太多，AI就开始犯傻。我的经验是：
- 对话长度控制在窗口的20%以内，别贪多
- 长任务拆成多个独立会话，别在一个会话里塞太多东西
- 用分层的知识文件来管理长期记忆，而不是靠对话历史
3. 把重复工作做成Skill
这是效率提升最大的一个点。比如：
- 自动提交代码（原子化commit，每个改动单独提交）
- 自动运行和调试工程
- 自动拉取运营数据
- 自动发帖、写文章
把这些高频操作固化成Skill，以后一句话就能触发整套流程。
4. 调试的最佳方式：写日志
遇到bug别让AI猜，直接让它在本地写日志。日志输出比截图、描述现象有效得多。这是我试了各种方法后得出的结论。
5. MCP插件别贪多
MCP工具不要装太多，8个以内就够了。装多了反而会让AI在选择工具时犯迷糊。另外优先选编译型的（Rust/Go），别用Node版本，响应速度差很多。
AI编程的边界在哪？
说了这么多好的，也说说局限。AI特别擅长的是已知解法的执行——你知道怎么做，让它去做，效率拉满。
但涉及到真正的创新和未知探索，比如设计一个全新的交互范式，或者处理一个没有先例的技术难题，AI就帮不上太多忙了。这时候还是得靠人的创造力和判断力。
所以我的结论是：产品决策和技术方向必须人来定，执行交给AI。
最后
有人问值不值？按我的使用量，一个月订阅费大概200刀。但20天出3个产品，换成外包可能要好几万。这笔账怎么算都划算。
大家有在用AI编程工具吗？用的哪款？欢迎分享你的体验，一起交流~