我的AI编程经验总结
起步：从《我的世界》到英语翻译软件
我从小就喜欢摆弄手机里的系统设置，对技术有种天然的好奇心。最早接触代码的印象，竟然是《我的世界》里面的作弊指令——那些以斜杠开头的命令，算是我的编程启蒙。 大一的时候，我觉得自己的英语学习需要升级，于是萌生了一个想法：自己做一个英语翻译软件。就是从那个时候起，我真正开始接触软件开发。
第一次尝试：豆包的"指导"
我选择的第一个AI助手是豆包。那时候我啥也不懂，就直接和豆包说："我想做一个英语翻译软件。"豆包倒是很积极，直接告诉我怎么做。 我跟着豆包一步步操作，但中途出现了很多BUG。更糟糕的是，豆包自己也"傻傻的"，经常给出错误的建议。最终，那个软件变成了一座烂尾楼。
进入新阶段：遇见TRAE
后来我接触了TRAE——一个国产AI Agent平台。TRAE的内置AI比豆包聪明太多，最关键的是：TRAE能自己生成源代码，自己管理文件内容。 这让我进入了一个全新的阶段。我把软件做成了web版本，但开发过程中还是遇到了很多BUG，很多时候AI会进入一个死循环。
死循环的困境
所谓"死循环"，是指AI每一次都说自己在修复BUG，但修复完成之后，根本没有实质性地解决问题。它只是在表面上做文章，问题依然存在。 我卡了很久很久。之前每次都是碰运气解决的——一直新建对话，描述BUG，进入循环，直到某次运气好修复了。这个过程极其低效。
关键转折：理解AI的底层原理
后来，我学习了AI的底层原理，略微理解了Transformer架构和注意力机制。这让我意识到一个重要的事实：
AI并不是真的会写代码，它是在"猜代码"！ 这个认知改变了我的一切。我意识到，如果一直让AI对着错误进行修改，AI会被错误"带偏"，因为它的注意力全部集中在错误上，反而忽略了正确的方向。
策略升级：描述预期与现实
于是我又升级了！我不再对AI说"把这个错误修好"，而是告诉它：
"这里预期中的效果应该是……，而现在的效果却是……" 这样一来，AI的bug幻觉率大大降低了。它不再被错误信息牵着鼻子走，而是能更准确地定位问题所在。
走了一段弯路：换平台
虽然策略改进了，但这样还是会偶尔进入BUG循环。我开始怀疑是不是AI大模型不够聪明，于是走了一段歪路：换平台。
我把TRAE CN换成了国际版TRAE，希望国外的AI更强大，更适合解决代码问题。 换平台之后确实有改善，但这只是量的改变，而不是质的改变。我意识到国外大模型确实更厉害一点，但总感觉有一层瓶颈。
总结
回顾我的AI编程经历，我学到了几个重要的经验：
- AI不是万能的：它是在"猜代码"，而不是真正理解代码
- 描述比命令更有效：告诉AI"预期效果"和"实际效果"，比直接说"修好它"更有效
- 理解原理很重要：了解AI的底层原理，能帮助你更好地与AI协作
- 平台不是关键：换平台只是量的改变，真正的提升来自于你如何与AI沟通
TRAE下载
TRAE中国版官网：https://trae.cn/
下载地址：https://trae.cn/ 页面中的"下载中心"
- TRAE SOLO：独立端，围绕真实工作流程整体升级
- TRAE IDE：集成开发环境，与AI深度协作（我用的是这个，那个时候SOLO还没出）
本文持续更新中……