登录AI辅助开发实战：会问问题比会写代码更重要
AI辅助开发实战：会问问题比会写代码更重要
系列第二篇。我想聊聊怎么用好 AI 这个工具。不是教你怎么敲代码，而是教你，怎么真正用好AI辅助开发工具。
原文地址
你有没有过这样的经历？
打开Cursor（或者Trae、Copilot），对着空白编辑器发了半天呆，不知道该让AI帮你干什么。
或者你问了一句「帮我写个登录功能」，AI 噼里啪啦写了一大堆代码，你看都看不懂，最后只能硬着头皮复制粘贴。
再或者，你问 AI：「这个报错是什么意思？」它回了一堆你看不懂的术语，你更迷茫了。
如果你有以上任何一种经历，这篇文章就是写给你的。
会问问题，比会写代码更重要
这是我最近一年用 AI 辅助开发最大的感悟。
以前我觉得，AI 嘛，就是个更聪明的搜索引擎。我不会的代码问它，它告诉我怎么写呗。
后来发现不是这么回事。
同样一个问题，不同的问法，AI 给出的答案质量可以差十倍。
AI 不会读心术。你得把自己的需求翻译成 AI 能理解的语言。
举两个例子感受一下：
第一种问法：「帮我写个登录功能。」
AI给你一个标准答案：用户名密码输入框、提交按钮、后端接口、数据库查询。看起来很全，但放到你的项目里可能完全不适用。你要改吧，改到猴年马月。不要吧，扔掉又可惜。
第二种问法：「我的项目用Next.js和Prisma，用户表字段是 email 和 passwordHash。请帮我写一个登录API，要支持邮箱密码登录，密码用 bcrypt 加密，返回 JWT token，7天有效期。」
AI给你的代码，直接就能用。稍微调一下就能跑。
这就是差距。好的 Prompt 不是更长的Prompt，而是更精确的 Prompt。
几个基本概念
在开始讲技巧之前，先简单说几个你经常会遇到的术语：
LLM：Large Language Model，大语言模型。你可以把LLM理解为"大脑"，GPT、Claude、DeepSeek 都是 LLM。ChatGPT、Cursor背后的 AI 都是LLM在驱动。
Prompt：提示词，你给AI说的话。「帮我写个登录功能」就是一个Prompt。
Agent：你可以理解为"能自己干活"的AI。传统AI是你问一句它答一句，Agent 是你告诉它一个目标，它自己规划步骤去执行。Cursor 的 Agent 模式就是这个原理。
MCP：Model Context Protocol，模型上下文协议。这是 2024 年出来的一个标准，让 AI 能统一地访问外部工具和数据。比如 AI 可以通过 MCP 直接读取你电脑上的文件、查询你的数据库、控制浏览器。2026年的 Cursor 已经支持 MCP，用起来很方便。
Token：你可以理解为 AI 处理文字的"计量单位"。英文约4个字符=1个 Token，中文约1-2个汉字=1个 Token。
为什么要注意 Token？因为 AI API 是按 Token 收费的。你输入的文字要花钱，AI输出的文字也要花钱。知道这些就够了，继续往下看。
我的AI辅助开发经验
2026年了，AI辅助开发工具已经成为程序员的标配。Cursor、Trae、Copilot、OpenCode……不管你用哪个，核心技巧都是互通的。
我用了一年多，从一开始的「这有啥」到现在的「真香」，总结了一些真正有用的经验。
1. 搞清楚什么时候用什么模式
Cursor 有两个核心模式：Agent和Chat。用对了，效率翻倍；用错了，就是折磨。
Chat模式：你问一句，它答一句。像跟人聊天一样。
我一般用来：
- 问具体问题：「这个报错是什么意思？」
- 查知识点：「PostgreSQL的索引类型有哪些？」
- 解释代码：「这个函数做了什么？」
- 帮我想名字：「帮我给这个函数起个名字」
Agent模式：你描述一个任务，它自己去分析和改代码。威力更大，但需要把需求说清楚。
我一般用来：
- 帮我重构整个模块：「把这个登录从JWT改成Session」
- 帮我修bug：「登录一直返回401，帮我看看是什么原因」
- 帮我转换代码：「把这个JavaScript文件改成TypeScript」
- 帮我实现一个功能：「帮我实现用户注册功能，包含表单验证、数据库存储、发送欢迎邮件」
简单说：小问题用Chat，大任务用Agent。
2. 喂上下文是有技巧的
Cursor 最强的地方是它能理解你的整个项目。你打开一个文件，问它这个组件是做什么的，它能根据文件名、代码内容、项目结构给你答案。
但有时候它也会犯傻——给你一些牛头不对马嘴的回答。
这时候，你得学会喂上下文。
我犯过的错误：
「怎么优化这个查询？」
AI回了半天，什么加索引、分页、缓存讲了一套，我根本不知道它说的是什么，因为我连我的表结构都没告诉它。
后来我学乖了：
「我的Prisma查询是这样的：
prisma const users = await prisma.user.findMany()数据量大概10万条，现在查询要3秒，请问怎么优化？」
这次AI直接告诉我：1. 加索引 2. 用select只查需要的字段 3. 考虑分页。
我的习惯是：至少告诉AI三件事
- 我用的技术栈是什么（Next.js + Prisma + PostgreSQL）
- 当前代码长什么样（贴上代码）
- 遇到了什么问题（查询慢、报错、不知道怎么做）
3. Tab键补全真的好用
大部分 AI 辅助开发工具都有代码补全功能，会预测你下一行要写什么。按 Tab 键直接采纳预测。
刚开始我还不太信这个功能，觉得 AI 哪有那么聪明。后来真香了。
我经常这样用：
- 写TypeScript类型定义，AI能猜到我要的类型
- 写React组件props，AI能帮我补全大部分
- 写数据库schema，AI知道我想要什么字段
- 写import语句，AI知道我要导入什么
10次有8次是准的，能省很多打字的时间。
4. 选中代码让AI帮你改（核心技巧）
选中一段代码，让AI帮你修改。这是一个通用技巧，大部分工具都支持，只是快捷键不太一样。
这是我最常用的功能，没有之一。
比如我选中一个函数，这样用：
「请帮我添加错误处理和类型定义」
AI直接在原代码基础上帮我改好了，我只需要确认一下就行。
比让它生成一段新代码然后我再替换，效率高很多。
再举几个我常用的场景：
- 选中一段面条式代码：「请帮我重构这段代码」
- 选中一个API接口：「请帮我添加参数校验」
- 选中一个组件：「请把这个组件改成响应式」
5. 打开对话窗口做复杂任务
有时候你想让AI帮你做比较复杂的任务，比如生成一个完整的组件。
选中代码后打开对话窗口，可以详细描述你的需求。
我经常这样用：
- 选中一段代码
- 打开对话窗口
- 详细描述我要做什么
- AI生成代码，我可以逐行确认
这个功能特别适合：
- 生成一个新组件
- 实现一个复杂功能
- 写测试用例
6. @符号引用文件
用@符号引用特定内容。
-
@File：引用当前打开的文件 -
@components/UserCard.tsx：直接引用某个文件 -
@Folder：引用整个文件夹 -
@Docs：引用官方文档 -
@Search：搜索项目内的代码
最常用的场景：
@components/UserCard.tsx 请帮我在这个组件里添加一个编辑用户信息的功能
AI直接读取文件内容，在正确的位置帮我添加代码。
@Docs 请帮我查一下Next.js的metadata怎么用来做SEO
AI直接读官方文档，给我准确的答案。
7. 设置好项目规范
我在每个项目都会设置Rules。这是Cursor的一个特色功能，其他工具类似功能还在发展中。
在项目根目录创建.cursor/rules/目录，放.mdc文件：
---
name: 项目规范
description: Next.js 15 App Router 项目规范
---
# 技术栈
- 框架：Next.js 15 App Router
- 语言：TypeScript strict
- 样式：Tailwind CSS
- 数据库：PostgreSQL + Prisma
# 目录结构
- app/：页面
- components/：组件
- lib/：工具函数
- prisma/：数据库schema
# 代码规范
1. 默认使用 Server Components
2. 客户端用 'use client' 标记
3. API错误格式：{ success: boolean, error?: string }
设置好之后，Cursor每次生成代码都会自动遵循这些规范。
举个例子：我不用每次都说「API错误要返回success和error字段」，Cursor自己就知道。
而且Rules是可以复用的。我做了几个模板：
- Next.js项目规范
- NestJS项目规范
- React组件规范
每次建新项目，直接复制过来改一下就行。
8. 用好Skills，让AI更专业
如果说Rules是「项目规范」，那Skills就是「专业能力」。
你可以在.cursor/skills/目录放一些专业技能文件：
# .cursor/skills/database.md
你是一个数据库专家，精通 PostgreSQL 和 Prisma。
在回答数据库相关问题时：
1. 优先考虑查询性能，避免 N+1 问题
2. 合理使用索引，解释为什么加这个索引
3. 更新用 update，删除用 delete，别用 updateMany
回答时先解释原理，再给代码示例。
用的时候告诉AI：「请用数据库专家的角度，帮我审查以下Prisma查询...」
它回答的专业度明显比普通模式高。
我目前积累了几个Skills：
- database.md：数据库专家
- security.md：安全专家
- performance.md：性能优化专家
- typescript.md：TypeScript专家
9. MCP让AI更强大
前面提到了MCP，这是2026年特别值得关注的特性。
简单说，MCP 让 AI 能从"只懂训练数据"变成"能操作真实世界"：
- MCP + 文件系统：AI 可以直接读取、修改你本地项目的代码
- MCP + 数据库：AI 可以直接查询你的数据库
- MCP + 浏览器：AI 可以控制浏览器，帮你填表单、截图
- MCP + 搜索：AI 可以帮你搜Google、搜文档
Cursor、Trae 等新一代工具已经开始支持 MCP，装好对应的插件就能用。
装好 MCP 插件后，我可以直接问AI：「帮我查询数据库里最近注册的10个用户」
AI真的会去查数据库，然后给我结果。
这个功能还在快速进化中，未来能做的事情会越来越多。
10. 节省Token是有技巧的
前面提到了 Token 的概念。Token 是 AI 处理文字的计量单位，AI API 是按 Token 收费的。
这是我总结的节省 Token 经验：
-
别一上来就贴全栈代码：只贴和问题相关的代码片段，AI不需要看你的整个项目才能回答问题。
-
问完一个问题可以开新会话：如果新问题和上一个问题不相关，别在同一个会话里继续聊。AI需要记住之前对话的内容，这些也会算Token。
-
让AI一次性完成：比如你要写一个组件，别分开问「先帮我写HTML」「再帮我写样式」「再加个交互」。直接说「帮我写一个登录组件，包含表单验证、错误提示、暗色模式支持」，一次搞定。
-
精简你的Prompt：Prompt不是越长越好，是越精确越好。把无关的废话去掉，AI能更专注，Token也花得值。
-
用@引用代替复制粘贴：用
@File引用文件，AI会自己去读，比你复制粘贴一长串代码省Token。
这些场景我天天用AI
1. 读报错信息
以前遇到报错，我要把错误信息复制到Google搜半天。
现在直接问Cursor：「这个报错是什么意思？TypeError: Cannot read properties of undefined (reading 'map')」
它会告诉我：错误原因是什么、最可能出在哪个地方、怎么修复。
80%的情况下，它能帮我省掉搜索的时间。
有时候我甚至直接截图给它看，它也能分析个大概。
2. 代码Review
以前代码Review都是同事做。现在我先让AI Review一遍，发现低级问题，再交给同事。
效率高很多，而且有些话AI说得，我作为开发者反而不好开口。
「请审查以下代码，指出：1. 潜在安全问题 2. 性能问题 3. 代码规范问题」
它会从安全性、性能、代码规范等角度帮我分析一遍。
3. 重构代码
觉得某段代码写得烂，但不知道怎么改？
问AI：「请帮我重构以下代码，要求：1. 使用TypeScript类型 2. 提取可复用逻辑 3. 增加错误处理」
AI会给一个全新的版本，我可以参考它的思路自己改，也能学到东西。
有时候我还会让它用不同的方式重构，让我对比学习。
4. 帮我想名字
我经常让AI帮我给变量、函数起名字。
「我有一个函数，接受用户ID，返回用户名、邮箱、头像、最后登录时间。请帮我想一个合适的函数名」
AI会给三四个建议：
- getUserById
- fetchUserDetails
- getUserProfile
我会选一个最合适的。
比自己想半天强多了。而且AI起的名字通常都比较规范，符合命名习惯。
5. 写测试
写测试很枯燥，但很重要。
我会让AI帮我：
「请为以下函数编写单元测试，覆盖：正常情况、空输入、错误输入」
AI生成测试代码，我再根据需要调整。能省不少时间。
有时候我还会让它帮我补充边界情况的测试。
6. 查文档
以前遇到问题，我先去 Google 搜，然后看 Stack Overflow，最后实在不行才去翻文档。
现在我直接问 Cursor：
`@Docs 请帮我查一下Next.js 15怎么做密码重置」
或者
`@Docs Vercel AI SDK怎么实现流式响应」
AI直接从文档里给我准确的答案，比我自己搜快多了。
7. 帮我写SQL
有时候我需要写一些复杂的SQL查询，直接问AI：
「帮我写一个SQL，查询过去7天每天的新增用户数，按日期排序」
AI会给我SQL，我稍微改改就能用。
8. 帮我理解别人的代码
接手别人的项目，看不懂代码怎么办？
问AI：
`@components/OldCode.tsx 请帮我解释这个组件做了什么」
AI会把代码逻辑梳理一遍，比我自己看快多了。
积累自己的Prompt模板库
这是我想聊的最后一个话题。
有些 Prompt 我会反复使用，慢慢就积累了一套模板：
// 解释代码
请用三句话解释以下代码做了什么
// 解释报错
这个报错是什么意思？{报错信息}
// 生成类型
请为以下接口生成 TypeScript 类型定义
// 代码审查
请审查以下代码，指出：1. 潜在问题 2. 性能优化点 3. 代码规范问题
// 重构
请重构以下代码，要求：{你的要求}
// 写测试
请为以下函数编写测试用例，覆盖：{场景1}、{场景2}、{场景3}
// 查文档
@Docs {你的问题}
我保存在一个markdown文件里，用的时候直接复制粘贴，稍微改改就能用。
我的经验总结
用多了，你会发现有些规律：
-
1. 模板要简单通用
我的模板都很简单，就是一个开头。比如「请用三句话解释」，这个模板可以用在任何代码上。
不要把模板写得太具体，比如「帮我写一个登录表单要包含用户名、密码、验证码」。这样反而不好复用。
-
2. 遇到好的Prompt就保存下来
有时候你会发现，同样的问题，不同的问法，AI回答的质量差很多。
遇到好的Prompt，就把它保存下来。下次遇到类似的问题，直接用或者改改再用。
-
3. Rules模板可以复用
Rules模板也是一样的道理。
我做了几个模板：
- Next.js项目规范
- NestJS项目规范
- React组件规范
每次建新项目，直接复制过来改一下就能用。做到第三个项目，你会发现很多规范是可以复用的。
-
4. 定期整理和迭代
我的模板库每个月会整理一次。把不用的删掉，好的留下来。
有时候会发现之前写的模板不够好，就改改。
这是一个持续迭代的过程，不用急。
写在最后
回到开头的问题：会问问题，为什么比会写代码更重要？
因为 AI 时代，写代码的门槛会越来越低。但提问的能力——把模糊的需求翻译成精确的描述——这个能力反而越来越值钱。
你能不能清楚地描述你想要什么？能不能给 AI 足够的上下文？能不能判断 AI 给出的答案对不对？
这些才是 AI 时代真正的核心竞争力。
AI 辅助开发工具会越来越好用，Cursor、Trae、Copilot、OpenCode……不管你用哪个，核心技巧都是互通的。用好工具的人，永远是那些懂得思考的人。
下一篇文章，我们会开始真正的技术内容：《全栈开发环境搭建：Git + monorepo + 开发工具链》。
感兴趣的话，下一篇见。
