2026年用AI写代码已经不是话题了，怎么用得好才是。用了大半年Claude Code和Codex，总结几个真正管用的技巧。
技巧一：先让AI写测试，再让它写实现
大部分人让AI写代码是「帮我实现一个XX功能」然后自己测。更好的做法：「先写单元测试，描述清楚这个功能应该怎么工作，然后再根据测试写实现」。我试了10个不同复杂度的需求，先写测试再写实现的bug率大概是从15%降到了3%。因为AI写测试的时候会自己把边界条件理清楚，而直接写实现的时候它经常跑偏。
技巧二：把上下文打包给AI，别让它猜
一句「帮我优化这个函数」和「这个函数是处理用户上传图片的，输入是File对象，输出是压缩后的Base64，最大允许5MB，目前的问题是大于2MB会超时」——同样的AI，后者产出的代码质量高不是一星半点。花一分钟把上下文写清楚，省下的调试时间至少十倍。
技巧三：用AI做code review，不是写代码
2026年AI写代码的准确率大概是70%到80%，但做code review的出问题率低很多。我的日常工作流：自己写完初稿→AI review找出潜在问题→自己改→再review一遍。AI能抓出的问题包括：SQL注入风险、未处理null的情况、并发安全问题、不合理的复杂度。这些如果靠人review，一个小PR可能要花15分钟，AI只需30秒。
技巧四：让AI解释旧代码再重构
接手别人的项目时，有些代码注释是空的或者早就过时了。把整个文件喂给AI让它「解释这段代码的功能和数据流，用中文」，然后再让它「基于理解重构，提高可读性，功能不变」。我拿一个4年前的PHP项目试过，把一个400行的控制器文件拆成4个类，可读性提升明显，而且零个新bug。
技巧五：善用AI命令行的上下文感知
Claude Code和Codex CLI都能感知整个项目目录。在项目根目录下运行，它自动读取文件依赖关系。一个实际场景：我需要在整个项目里把所有mysql相关函数换成PDO。直接一句指令，AI搜出了47个文件里的382处调用，生成了替换方案和迁移脚本——我自己做至少半天。
还木有评论哦，快来抢沙发吧~