工具选择框架：什么时候该用 AI，什么时候该手写

过去几个月经历了从什么都要让 AI 做到什么都不敢让 AI 做，再到什么该让 AI 做什么该手写的转变。这个过程挺痛苦但很有价值。

刚开始接触 AI 时有个想法，既然 AI 能写代码那就让它写所有代码。让 AI 写一个简单的登录页面，输入框、密码框、登录按钮，再加上验证逻辑、错误提示和响应式设计。结果花了三小时，AI 生成的代码需要大量修改，样式和团队规范不符，验证逻辑还有漏洞。而自己写只需要三十分钟。问题在于 AI 不了解我们的规范，不知道我们的 CSS 架构、组件库、API 设计。AI 的上下文有限，不知道我们的业务逻辑、用户习惯、性能要求。AI 的完美和可用不一致，AI 想做得很完善，只想快速验证。

经历上面的挫败后开始抗拒 AI。拒绝让 AI 写任何代码，所有东西都手写。结果重复劳动太多，效率明显下降，同事开始嫌弃代码风格。问题在于忽略了 AI 的价值，有些重复性工作确实可以交给 AI，AI 的代码质量有时比人类高。还有一个心理上的抗拒，因为一次失败就否定整个工具，没有找到 AI 的合适使用场景。

经过多次试错，总结了一个框架。重复性代码让 AI 做最合适，业务逻辑需要深度理解手写更好，样式设计和 API 接口需要协作看情况，测试代码和文档编写 AI 擅长。简单任务三十分钟以内手写更快，比如登录页面、简单表单、基础组件。中等任务三十分钟到两小时 AI 辅助，比如复杂表单、数据可视化、权限管理。复杂任务两小时以上 AI 主导，比如架构设计、数据库设计、性能优化。

核心业务逻辑手写，风险高需要深度理解。辅助功能让 AI 做风险低可以快速迭代，一次性任务也让 AI 做不需要长期维护。

用户注册流程之前全部让 AI 生成，结果代码质量一般，业务逻辑有误，花了两小时修改。现在 AI 生成基础结构五分钟，补充业务逻辑三十分钟，AI 优化代码十分钟。总耗时四十五分钟，质量更高。

报表生成之前全部手写，代码冗长容易出错，花了四小时。现在 AI 生成基础查询十分钟，优化业务逻辑二十分钟，AI 生成前端展示十五分钟。总耗时四十五分钟，代码更简洁。

AI 是放大器不是替代品。AI 不是来替代思考而是来放大能力。思考还是要自己做，执行交给 AI，质量把控还是自己做。保持判断权，不要让 AI 替做决策，代码结构你来设计，业务逻辑你来把控，代码审查你来执行。逐步信任，不要一开始就全盘托付。第一次 AI 生成审查，第二次 AI 生成微调，第三次 AI 生成确认。

AI 工具的选择本质上是人机协作的平衡。不是全要也不是全不要，而是在什么场景下用什么工具。关键是找到适合自己的平衡点。这套框架帮我节省了百分之四十的开发时间，同时保持了代码质量。