AI写代码，第一稿95%都没用？一名工程师的Claude Code六周实录

用好 AI 工具，确实能让开发效率翻倍，但别幻想 AI 生成的代码一次就能直接上线，也别盲目信任它。一位资深工程师 Vincent Quigley 用六周时间深度探索 Claude Code，总结了从代码实现到审查、从任务拆解到工具整合的完整实践经验，揭示了 AI 编程的真实成本、潜在挑战，以及如何让 AI 真正成为团队的生产力加速器。

原文链接：https://www.sanity.io/blog/first-attempt-will-be-95-garbage

作者 | Vincent Quigley 责编 | 苏宓

出品 | CSDN（ID：CSDNnews）

18 个月以前，我的每一行代码都是自己手写的。如今，AI 可以完成我 80% 的初步实现，而我则专注于架构设计、代码审查，并同时推动多个开发任务的进展。

不要着急，这并不是一篇关于宣传“AI 将改变一切”的文章，而是讲在生产开发流程中整合 AI 的混乱现实：什么方法真的有效，什么真的只是在浪费时间，以及为什么我会把 AI 当作一名“不会成长的初级开发者”来看待。

我的四次编码转变

在我的职业生涯中，我解决代码问题的方法经历了四次转变：

1. 最初的 5 年，我主要阅读书籍和 SDK 文档。

2. 接下来的 12 年，通过 Google 搜索社区答案。

3. 使用 Cursor 进行 AI 辅助编码 18 个月。

4. 最近，用 Claude Code 完全进行 AI 委派，历时 6 周。

每一次转变都比上一次更快。

AI 开发是如何实际运作的（以我为例）

我现在的工作流程是这样的，抛开那些炒作。我使用 AI 的方法更多是“与之一起思考”，在它的帮助下完成最终投入生产的代码。

通常需要三次尝试

首先，要学会忘掉“一次就能生成完美代码”的幻想。作为一名工程师，你的工作任务是找到问题的最佳解决方案，而不仅仅是写一堆代码。

第一次尝试（95% 垃圾率）

• Claude 会构建你的系统上下文

• 你确定实际的挑战

• 通常会发现，代码完全错误

然后你从这次尝试中吸取教训并向 AI 产品反馈回去。

第二次尝试（50% 垃圾率）

• Claude 理解更多细节

• 你定义了具体的解决方案

• 这是你发现它给出的答案，有一半时间无法直接使用

第三次尝试（终于可用）

• Claude 实现出可以迭代和优化的版本

• 你不断审查和修正方向

• 这成为你的起点，而非最终代码

这不是失败，而是过程！期待第一次尝试就完美，就像期待一个初级开发者在没有背景知识的情况下搞定复杂功能一样不现实。

上下文问题（及解决方案）

尝试 AI 过程中，最大挑战在于 AI 无法在会话之间保留学习内容（除非你花时间手动提供“记忆”）。因此，每次对话通常几乎都是从零开始。

我的解决方案：

Claude.md 文件

创建项目专用上下文文件，记录：

1. 架构决策

2. 代码库中的常用模式

3. 注意事项与解决方法

4. 相关文档链接

工具集成

借助 MCP 集成，我现在可以让 AI 访问：

• Linear，用于获取工单上下文

• Notion 或 Canvas，用于文档

• 非生产数据库（仅读权限），用于数据和数据结构

• 实际代码库（显而易见）

• GitHub（从旧 PR 获取有用背景信息）

没有这些上下文，你会重复说明同样的限制条件；有了它，你就可以从第二次尝试开始，而不是第一次。

Claude Code 如何与其他工具连接，主要是为了获取上下文

管理多个 AI “开发者”

我现在并行运行多个 Claude 实例，就像管理一个每天早上都清空记忆的小型开发团队。

关键策略：

• 永远不要在同一问题空间并行操作（很容易混淆不同问题）

• 在 Linear（或你使用的其他项目管理工具）中跟踪一切

• 明确标注人工修改的代码（AI 容易混淆它写的内容和你修改的内容）

三步审查流程

写代码只是工作的一部分，审查代码同样重要。引入 AI 后，我的代码审查流程也发生了变化。

Claude 先审查

• 检查缺失的测试覆盖

• 发现明显的错误

• 提出改进建议

这样可以节省我和同事的时间以及额外的迭代。

我审查重要内容

在我所在的公司 Sanity，我们的政策是：工程师对自己交付的代码负责，即使是 AI 生成的。我希望确保交付的代码是：

• 可维护的代码

• 架构决策合理

• 业务逻辑正确

• 集成点良好

团队审查通常情况

• 他们很少知道哪些代码是 AI 生成的

• 质量标准保持不变

关键在于：我现在对“自己的代码”变得更加苛刻，因为我没有手动敲很多代码。没有情感依附，审查更客观。

早期背景智能体实验

我们正在测试基于 Slack 触发的 Cursor 智能体，用于简单任务：

• 2 次业务逻辑修复成功

• 1 次 CSS 布局失败

当前限制：

• 无法访问私有 NPM 包

• 会通过未签名提交

• 绕过正常追踪

Cursor 智能体最适合简单任务

但潜力巨大：想象一下，智能体在你睡觉时处理待办列表中的小任务。

真正的成本（数字说明）

说说钱。我的 Claude Code 使用成本占公司支付给我的月薪比例不小。

但投资回报：

• 功能交付速度提升 2–3 倍

• 可以管理多个开发任务

• 不再花时间写模板和重复代码

投资回报率（ROI）很明显，但预算上，资深工程师全力使用 AI 开发，大约需要 $1000–1500/月。随着熟练度提升，工程师在 AI 上的效率也会提高，但需要时间适应。

实际问题

AI 辅助开发并非一帆风顺，以下是我持续遇到的挑战：

学习问题：

AI 不会从错误中学习，你需要不断修正相同的误解。

解决方法：提供更完善的文档和更明确的指令。

AI 自信问题：

AI 自信地输出错误代码，还声称是正确的。特别是以下情况一定要验证：

• 复杂的状态管理

• 性能的关键部分

• 安全敏感代码

上下文限制问题：

大型代码库会超出 AI 上下文窗口。

解决办法：把问题拆成小块，提供聚焦的上下文。

从代码到问题的情感转变

最难的部分？放弃对代码的所有权。现在我不再在意“我的代码”，它只是需要审查和优化的输出。

这种抽离感实际上非常解放！

• 更快删除错误方案

• 更客观的代码审查

• 重构时零自我意识

如果明天出现更好的 AI 工具，我会立即切换。代码本身并不重要，重要的是我们解决的问题。

对团队（技术负责人）的启示

如果从工程师视角给建议，技术负责人考虑 AI 引入时可以：

1. 让工程师尝试不同的 AI 解决方案：AI 辅助编码是一项技能，需要实践才能掌握

2. 从最重复的任务开始：AI 在这类任务上立即见效

3. 预算实验成本：第一个月可能比较混乱

4. 调整审查流程：AI 代码需要不同的审查方式

5. 文档化一切：良好的上下文是效率倍增器

适应新 AI 工作流的工程师，将获得新的利器：成为协调者，同时管理多个 AI 智能体，专注于架构、审查和复杂问题解决。

下一步（作为开发者）

选择一个小且定义明确的功能，让 AI 尝试三次实现。像指导初级开发者一样审查输出。

就这么简单。无需大规模流程改造，只要一个功能，三次尝试，和诚实审查。

未来不是 AI 替代开发者，而是开发者更快完成工作，创造更好解决方案，并充分利用最优秀的工具。

开学季福利｜CSDN 公众号粉丝专属为感谢大家一直以来对 CSDN 公众号的关注与支持，我们特别联合 GOSIM HANGZHOU 2025 全球开源创新汇，为粉丝送上重磅限量福利——价值 399 元/张的大会标准票！9 月 13–14 日，这场汇聚全球开源与 AI 顶尖力量的硬核盛会，将在杭州正式启幕！为什么这场大会值得你亲临？

• 顶级阵容：联合国、NVIDIA、谷歌、Hugging Face、字节跳动、智源研究院等全球大咖齐聚
• 前沿议题：大模型、具身智能、AI Agent 等热门技术专场，直击行业最前沿
• 实战互动：12 场深度 Workshop + 4 场 Hackathon，边学边练，现场出成果
• 开发者主场：1500+ 技术人现场交流，拓展人脉，碰撞灵感

• 大会两日通票（自由参与主论坛与部分分论坛活动）
• 现场专属参会大礼包
• 大会期间两日用餐券 + 全天候甜点茶歇，畅享能量补给