本文是专栏《AI 编程实战》第 1 篇。回到目录与导读。
要用好 AI 编程，得先看清它走到了哪一步。过去十年，AI 写代码的能力经历了三次跳跃，每一代解决的问题、需要你配合的方式都不一样。很多人用着第三代的工具，脑子里还是第一代的用法，自然发挥不出实力。
第一代：补全——"帮你把这行敲完"
代表：早期的 GitHub Copilot（2021 年前后）、各种 IDE 智能提示。
它的形态是行内补全（autocomplete）：你敲代码，它在光标后面用灰字"猜"你接下来要写什么，你按个 Tab 就接受。
你敲： def calculate_average(numbers):
它补全： return sum(numbers) / len(numbers) ← 灰字，Tab 接受
本质上，这就是《大模型专栏》第 1 篇讲的"预测下一个词"，只不过预测的是代码。它很好用，但角色很卑微——你是主驾，它是副驾递工具，一次只帮你一小段。
- 强项：写样板代码、重复模式、你已经知道该怎么写、只是懒得敲的东西。
- 短板：它不懂你的意图，只顺着字面猜。你想干的事稍微一复杂，它就跟不上。
第二代：对话——"我来跟你说需求"
代表：ChatGPT 写代码、IDE 里的聊天侧栏（Cursor Chat、Copilot Chat）。
形态从"补全"变成了对话（chat）：你用自然语言描述需求，它给你整段代码、解释、或者帮你改 bug。
你：帮我写一个函数，把驼峰命名转成下划线命名，处理连续大写。
它：（给出完整函数 + 用法示例 + 边界说明）
这一代的飞跃在于：你终于可以说"我想要什么"，而不是"帮我补这行"。 角色关系变了——你是提需求的人，它是干活的人。 这也是为什么提示词从这一代开始变得关键：你说得清不清楚，直接决定它写得好不好。
- 强项：写独立的函数/模块、解释陌生代码、快速试方案、查"这个报错啥意思"。
- 短板：它看不到你的项目全貌，只知道你贴给它的那点代码。改一个涉及多文件的功能，你得手动来回复制粘贴，累且容易漏。
第三代：智能体——"你说目标，我自己搞定"
代表：Claude Code、Cursor 的 Agent 模式、Codex 等（2024 年底起爆发）。
这一代叫 智能体式编程（agentic coding），是质变。它不再是"你贴代码、它回代码"，而是——你给一个目标，它自己在你的真实项目里读文件、改多个文件、跑测试、看报错、再改，直到搞定。
你：给用户模块加一个"修改密码"功能，要有前后端和测试。
它：① 读了相关的 5 个文件，搞清现有结构
② 改了后端接口、前端页面、加了 3 个测试
③ 跑测试 → 挂了 2 个 → 自己定位、修好
④ 再跑 → 全绿 → 汇报"完成"
这背后正是《AI Agent 专栏》讲的那套"思考→行动→观察"循环，只不过工具变成了"读文件、写文件、运行命令"。角色又变了——你从"写代码的人"变成了"派活和把关的人"。
- 强项：跨多文件的功能、大范围重构、探索陌生代码库、调 CI 报错——这些"要通盘考虑"的活。
- 短板：放得越开，越需要你会审查、会验收。它能一口气改 20 个文件，也能一口气埋 20 个雷。这正是第 5 篇要重点讲的。
三代对比
| 第一代 补全 | 第二代 对话 | 第三代 智能体 | |
|---|---|---|---|
| 你给它什么 | 光标位置 | 一段需求 | 一个目标 |
| 它交付什么 | 补下一行 | 一段代码 | 改完整个功能 |
| 它看得到 | 眼前几行 | 你贴的代码 | 你的整个项目 |
| 你的角色 | 主驾 | 提需求者 | 派活 + 把关 |
| 关键能力 | 按 Tab | 会描述需求 | 会拆任务 + 会审查 |
注意：三代不是互相取代，而是叠加。 今天最好的工作流往往是混用：日常敲代码用补全（快），问个问题用对话，干大活派给智能体。第 6 篇会细讲怎么搭配。
一个关键认知
看完三代进化，最值得记住的是这条趋势线：
AI 承担的粒度越来越大——从"一行"到"一段"到"一个功能"；而你的工作，正从"敲字"上移到"想清楚要什么、判断它干得对不对"。
这不是说敲代码的能力没用了，恰恰相反——你越懂代码，越能把活派明白、越能一眼看出它哪里错了。 AI 编程放大的是判断力，不是替代它。
小结
- AI 编程经历三代：补全（补下一行）→ 对话（写一段）→ 智能体（改一个功能）。
- 粒度越来越大，你的角色从主驾变成提需求者，再变成派活与把关的人。
- 三代叠加使用，不是互相取代。
- 核心趋势：你的精力从"敲字"上移到"想清楚 + 把关"——判断力比手速更值钱。
下一篇解决一个很多人好奇的问题：第三代工具号称能改一整个项目，可模型的上下文就那么点大，它到底怎么"看懂"你几十万行的代码库的？
继续阅读：AI 怎么"看懂"你的整个代码库