本文是专栏《AI 编程实战》第 6 篇（终篇）。回到目录与导读。上一篇：AI 写的代码能信吗。
原理、沟通、放手、把关都讲完了。最后一篇落到最现实的问题：在每天的活里，AI 编程到底该怎么用？ 工具怎么挑、哪些活交给它、哪些自己写、又怎么别把自己练废。
工具怎么选：按"活的大小"配
2026 年的 AI 编程工具大致分三类，对应第 1 篇的三代形态。别指望一个工具通吃，按手头的活来配才对：
| 类型 | 代表 | 最适合 |
|---|---|---|
| IDE 内补全 + 对话 | GitHub Copilot、Cursor | 日常敲代码、快速补全、随手问一句（Copilot 用户最多，Cursor 编辑体验最顺） |
| 智能体（终端/IDE） | Claude Code、Cursor Agent 模式 | 跨多文件的大改、重构、探索陌生代码库、调 CI（复杂、要通盘考虑的活） |
| 规格驱动型 | Kiro 等 | 强调"先定规格、再生成"的团队协作场景 |
一个业界公认的高效组合是：日常在 IDE 里用补全（快），大活派给终端智能体（稳）。 工具年年在变，但这个"小活求快、大活求稳"的搭配思路是长青的。
别在选工具上纠结太久。方法比工具重要得多——前五篇讲的那些原则，换任何工具都成立。先拿一个上手，用熟了自然知道缺什么。
什么活最适合交给 AI
AI 在这些场景上性价比极高，该放心用：
- 样板和重复代码：CRUD、配置、数据结构转换、测试骨架——它写得又快又好。
- 探索陌生代码/技术："这个库怎么用""这段祖传代码在干嘛"——它是极好的向导。
- 一次性脚本：数据清洗、批量改名、临时工具——用完即弃，风险低。
- 大范围机械重构：改个命名规范、升级 API 用法——它不厌其烦。
- 翻译与解释：跨语言移植、给代码写注释、把报错讲人话。
共同点：要么是繁琐但明确的体力活，要么是"我需要个向导"的探路活。
什么活最好自己来（或极度谨慎）
反过来，有些活别轻易全交给它：
- 核心业务逻辑与架构决策：系统怎么分层、数据怎么建模、这个权衡怎么取——这些是"想清楚"的活，是第 3 篇说的最值钱的部分，得你主导。
- 你自己都没想清楚的需求：需求含糊时让 AI 硬写，只会把混乱放大成一堆看着能跑的烂代码。先想清楚，再动手。
- 安全敏感、后果严重的代码：认证、支付、权限、数据删除——可以让它辅助，但每行都得你审到位。
- 你完全不懂的领域：你连对错都判断不了时，AI 的幻觉你根本发现不了。AI 放大判断力，但代替不了判断力。
一个真实的隐忧：别把自己"用废"
这是很多资深开发者的担心，值得正视：
如果什么都让 AI 写，我自己的能力会不会退化？
会的，如果用错了方式。一路无脑接受、从不深究，时间长了，你会发现自己"看得懂但写不出""能跑起来但讲不清原理"。这不是危言耸听。
但换个用法，AI 反而能让你更强：
- 把它当老师，不只当枪手：它给的代码，多问一句"为什么这么写""还有别的方案吗"——这是极好的学习机会。
- 基础和核心能力，坚持自己练：算法、系统设计、调试思路这些"内功"，别外包。让 AI 干体力活，把省下的精力投到"想清楚"上。
- 警惕"看着懂"的错觉：能读懂 ≠ 能写出。关键技能，时不时自己手写一遍，保持手感。
一句话：让 AI 接管"敲字"，但别让它接管"思考"。 前者是解放，后者是退化。
把六篇串成一句话
《AI 编程实战》到这里就走完了。如果把整个专栏浓缩成一句：
AI 编程的上限，不取决于模型多强，而取决于你会不会派活、能不能把关、愿不愿把省下的时间投回到"想清楚"上。
工具会一代代变强，但这条不变：AI 让平庸的开发者更快地写出平庸的代码，让优秀的开发者把精力集中到真正难的地方。 你想成为哪一种，用法说了算。
小结
- 工具按活配：小活/日常用 IDE 补全（Copilot、Cursor），大活/复杂用智能体（Claude Code、Cursor Agent）；方法比工具重要。
- 适合交给 AI：样板重复代码、探索陌生代码、一次性脚本、机械重构、翻译解释。
- 最好自己主导：核心逻辑与架构、没想清的需求、安全敏感代码、你完全不懂的领域。
- 别把自己用废：把 AI 当老师而非纯枪手，内功自己练，警惕"看着懂"——让它接管敲字，别让它接管思考。
三个专栏——《从零看懂大模型》讲原理、《从零看懂 AI Agent》讲怎么让模型干活、《AI 编程实战》讲怎么和它一起写代码——到这里凑成了一套。从"它是什么"到"怎么用好它"，希望这套文章能帮你把 AI 真正变成手边好用的工具，而不是一个既神秘又不敢信的黑箱。