这篇文章不是写给“看热闹”的人,而是写给准备真正把 AI 用进工作流的人。尤其是程序员、测试、产品经理、售后和实施同学。如果你只把 AI 当聊天机器人,2026 年已经明显不够了;现在更应该把 AI 当成一个会读项目、会改代码、会跑命令、会整理需求、会协助排查问题的 Agent。
我先说自己的背景。我最开始是做全栈的,后来做后端,再转产品,又做回后端开发。以前我对“全栈”这个词其实没那么执着,因为真正做业务的时候,一个人同时处理前端、后端、部署、文档、测试、产品细节,成本很高,精力很容易被切碎。
但 AI 出来以后,我的感受变了:全栈能力重新变得更有价值。原因不是 AI 可以替代所有工作,而是 AI 把很多重复劳动、上下文切换和样板代码降了下来。一个懂业务、懂代码、懂产品的人,借助 AI Agent 可以把很多以前需要多人配合的事情先跑起来。
我维护过一个工具箱项目,叫“华仔 AutoJs 工具箱”,以前的产品说明可以看这里:https://www.zjh336.cn/?id=2126。现在我也在用 AI 重构这个工具箱项目,仍然在进行中。我的 AI 使用时间不算特别早,差不多是从 2026 年 3 月底开始集中使用,到现在国产模型、国外模型、中转、CLI、桌面工具基本都试了一轮。最近一个月,我这边 GPT 模型的使用量已经跑到了 58 亿 token 以上。
这不是为了炫耀 token 数,而是想说明一件事:AI 学习不是收藏几个提示词,也不是看几篇评测。你必须把它放进真实工作里,让它参与你的需求分析、代码阅读、重构、测试、部署、文档和问题排查。用量上来了,才会知道哪些模型是真能干活,哪些工具只是看起来热闹。
AI 是怎么发展到今天的,为什么 GPT 之后变化突然加速。
2026 年国产模型和国外顶尖模型的现状。
程序员、测试、产品、售后分别应该怎么用 AI。
什么是 Agent,CLI 和桌面工具怎么选。
从 0 开始安装 nvm、Node、Codex、Claude Code、Gemini CLI。
如何用 ccswitch 管理中转和多模型。
我推荐的模型入口和中转站:https://api.zjh336.cn。
一、AI 发展到 2026 年,真正变了什么
AI 不是 2022 年才出现的。早期有规则系统、专家系统,后面有机器学习、深度学习,再到 2017 年 Transformer 架构出现,模型开始具备更强的语言理解和生成能力。BERT、GPT-2、GPT-3 这些模型一步步把“大模型”这条路走通。
但普通人真正感知到 AI 变化,是从 ChatGPT 出圈开始的。OpenAI 在 2022 年 11 月发布 ChatGPT,很多人第一次发现:原来机器不是只能返回搜索结果,也不是只能做分类识别,它可以像一个人一样持续对话、解释概念、写代码、写文案、做总结。
到了 2023 年,GPT-4 发布以后,代码能力、复杂推理、长文本处理明显上了一个台阶。那一年,很多程序员开始用 AI 写脚本、解释报错、生成 SQL、写接口文档。那时的 AI 还更像“高级问答工具”。你问得好,它答得好;你不会问,它就容易胡说。
2024 年开始,多模态明显加速。GPT-4o 这类模型让文字、图片、语音、视频理解越来越自然。国内外的文生图、图生视频、文生视频工具也越来越成熟。AI 漫剧就是这个阶段很典型的出圈场景:以前做一条短剧或者漫剧,需要编剧、分镜、美术、配音、剪辑多人配合;现在一个人可以用 AI 生成剧本、角色设定、分镜图、配音、背景音乐和视频片段,再用剪辑工具拼成完整作品。
2025 到 2026 年,重点又变了。大家不再只问“哪个模型聊天最聪明”,而是开始问“哪个模型能替我完成任务”。这就是 Agent 时代。Agent 的关键不是会聊天,而是会围绕目标读文件、调用工具、执行命令、修改代码、自己检查结果,然后继续迭代。
这也是 vibe coding 火起来的原因。很多人把 vibe coding 简单理解成“用自然语言让 AI 写代码”,我觉得这个理解太浅。真正的 vibe coding 是:人负责目标、判断、架构边界和验收,AI 负责快速展开、生成、修改、解释和补齐。你不用一行一行敲所有代码,但你必须知道它改了什么,为什么改,风险在哪里,怎么验证。
再到 2026 年,OpenClaw 这种工具也在圈内出圈。国内很多人把它叫“龙虾”,它的核心意义不只是又多了一个工具,而是说明大家的关注点正在从“单个模型”转向“Agent 工作流”。OpenClaw 官方定位是本地优先的 agentic coding 平台,强调多 Agent 编排、规格化任务、CLI/TUI 和可视化工作流。类似工具的出现,说明 AI 编程已经进入“谁能把模型组织成稳定生产力”的阶段。
所以 2026 年学习 AI,不能只学提示词,也不能只盯排行榜。你要学的是一整套工作方式:模型怎么选、工具怎么装、中转怎么配、项目怎么接入、任务怎么拆、结果怎么验收。
二、国产模型现状:能用了,而且越来越适合实战
如果是 2023 年,我会更明确地说国外模型领先很多。但到 2026 年,国产模型已经不是“能不能用”的问题,而是“在哪些场景更适合用”的问题。
我现在看国产模型,主要看这几个维度:
代码能力:能不能读项目、改项目、写测试、理解错误日志。
长上下文:能不能塞进去更多代码、文档、日志和需求。
工具调用:能不能稳定配合 Agent、CLI、插件和工作流。
中文能力:能不能理解国内业务表达、产品文档、聊天记录和售后场景。
价格和可用性:能不能高频使用,而不是每次调用都心疼。
1. DeepSeek
DeepSeek 这两年在国内开发者圈的存在感很强。它的优势是推理、代码和性价比,API 也比较适合开发者接入。DeepSeek 官方在 2026 年已经发布了 V4 相关模型说明,并且兼容 OpenAI Chat API 和 Anthropic API 这类调用方式,这对接入 CLI Agent 和中转服务很重要。
我对 DeepSeek 的建议是:如果你要做中文代码理解、脚本生成、文档总结、业务分析,值得作为主力国产模型之一测试。不要只用一次问答判断好坏,最好拿你自己的真实任务跑三轮,比如修一个 bug、补一组测试、解释一次线上日志,再看结果。
2. GLM
智谱 GLM 系列在 Agent、长任务和中文能力上一直有比较强的投入。2026 年的 GLM-5.1 进一步强调长周期 Agent 任务和工程能力。对产品、测试、售后这种需要处理大量中文材料的岗位来说,GLM 系列通常比纯代码评测更值得关注。
我会把 GLM 放在“中文综合任务”和“产品文档处理”里测试。比如让它整理 PRD、把客户反馈转成需求池、把故障处理记录转成 FAQ,这类任务更容易看出模型的中文组织能力。
3. Qwen
通义千问 Qwen 系列已经形成了很完整的模型家族,Plus、Max、Coder、VL、多模态都有对应方向。2026 年 Qwen3.6、Qwen3.7 这类版本继续在长上下文、代码、Agent 能力上推进。对企业用户来说,阿里云百炼和 Model Studio 的生态也比较完整。
如果你是后端、全栈、测试工程师,我建议至少测试 Qwen Plus 和 Qwen Coder 相关能力。尤其是中文项目、国内框架、Java/Spring、Vue、SQL、接口文档这类任务,Qwen 的使用体验通常比较稳。
4. 豆包和 Seed
豆包背后的 Seed 模型在国内 C 端和企业端都很活跃。它的优势不只是模型本身,还有火山引擎、扣子、内容生成、多模态和企业服务能力。对于内容生产、客服、运营、产品分析和流程自动化,豆包生态值得关注。
如果你的工作偏内容、售后、运营、知识库和多模态处理,豆包往往比单纯代码模型更贴近场景。
5. 小米 MiMo
小米 MiMo 系列在 2026 年也开始被更多开发者关注。它的特点是强调 Agent 能力、代码和端侧生态。小米这类厂商做模型,不只是为了聊天,更重要的是把模型能力接到设备、系统和应用链路里。
从程序员视角看,MiMo 不是所有人第一天就要上手的主力模型,但它代表了一个趋势:后面 AI 不会只存在于网页和 IDE,而是会进入操作系统、手机、汽车、IoT 和各种垂直设备。
6. 我对国产模型的使用结论
国产模型现在已经适合日常工作中的大量任务:中文总结、需求分析、接口文档、测试用例、日志分析、简单代码生成、脚本编写、数据库查询辅助、客服知识库整理。对于非常复杂的跨文件重构、超长链路推理、复杂 Agent 编码,我目前仍然会优先测试国外顶尖模型,尤其是 GPT 和 Claude。
但从成本和可用性看,国产模型必须纳入你的工具箱。我的建议不是只押一个模型,而是准备一套模型池:高难度任务用顶尖模型,日常高频任务用性价比模型,中文业务任务用国产模型。
三、国外顶尖模型现状:GPT、Claude、Gemini 仍然是第一梯队
截至 2026-06-14,我认为国外模型第一梯队主要还是 OpenAI、Anthropic、Google。它们各自的优势不一样。
1. OpenAI:GPT 和 Codex 是我当前优选
OpenAI 当前开发者文档中,GPT-5.5 被定位为旗舰模型,适合复杂编码、长链路推理和 Agent 场景。OpenAI 的优势是模型能力、工具生态、Responses API、Codex CLI、Codex App 这几条线配合得比较完整。
如果你问我 2026 年程序员优先从哪个 Agent 工具开始,我会优先推荐 Codex。原因很直接:Codex 是 OpenAI 官方 coding agent,和 GPT 系列模型贴合度高,CLI 和桌面 App 都有官方路线。对程序员来说,这种“模型和工具同源”的稳定性很重要。
我现在的个人倾向是:GPT 相关任务优先用 Codex。代码阅读、重构、补测试、生成迁移方案、解释大型项目,Codex 是我的第一优先级。
2. Anthropic:Claude Code 仍然很强
Claude Code 是 Anthropic 官方的命令行 coding agent。Claude 系列模型在长文本、代码审查、需求理解和“少废话地把任务推进下去”这方面一直很有优势。2026 年 Claude Fable、Opus、Sonnet 这些模型线继续强化 coding 和 agentic 能力。
如果你主要用 Claude,我建议直接上 Claude Code。它的交互方式很适合项目内工作:进入项目目录,告诉它目标,让它读代码、改文件、运行命令、解释结果。对已有项目的维护和重构来说,这种方式比网页聊天自然很多。
3. Google:Gemini 的长上下文和多模态优势明显
Gemini 系列的优势是长上下文、多模态和 Google 生态。Gemini CLI 也已经成为开发者可以直接安装使用的命令行工具。如果你的任务涉及大量文档、图片、视频、长代码仓库、多模态理解,Gemini 值得放进工具箱。
我不建议把 Gemini 当“可有可无”的备用模型。它在某些长上下文任务上很有价值,尤其是你要一次性分析很多文件、很多日志、很多文档的时候。
4. 国外模型怎么选
| 任务 | 优先选择 | 原因 |
|---|---|---|
| 复杂代码重构、Agent 编程 | GPT + Codex | 我当前最推荐的组合,官方工具链完整,适合程序员直接落地。 |
| 项目维护、代码审查、需求到实现 | Claude + Claude Code | Claude Code 的项目内交互体验成熟,适合持续推进任务。 |
| 长文档、多模态、长上下文分析 | Gemini + Gemini CLI | Gemini 的长上下文和多模态是它的核心优势。 |
| 国产模型、低成本高频任务 | DeepSeek、Qwen、GLM、豆包等 | 适合中文业务、高频调用和成本敏感场景。 |
四、适用人群:不只是程序员
很多人以为 AI Agent 只适合程序员,其实不是。程序员只是最早感受到冲击的一批人。测试、售后、产品经理这些岗位同样适合用 AI,而且很多场景见效更快。
1. 程序员
程序员最直接的用法是写代码,但不要只让 AI 从零写代码。更好的方式是让它参与完整开发流程:
读项目结构,整理架构说明。
解释陌生模块,画出调用链。
定位 bug,分析日志,提出修复方案。
按已有风格新增功能。
重构重复代码,补单元测试。
生成接口文档、部署文档、升级日志。
做代码审查,找潜在空指针、并发、权限和边界问题。
程序员用 AI 的关键是:你不能把判断权交出去。AI 可以写得很快,但你要知道项目边界、数据结构、异常路径和验收标准。
2. 售后和实施人员
售后和实施经常面对的是日志、截图、客户描述、环境差异、版本差异和重复问题。AI 很适合做这些事情:
把客户描述整理成标准问题单。
根据日志判断可能原因。
生成排查步骤和客户回复话术。
把历史问题整理成 FAQ。
把部署手册改成更容易执行的步骤。
根据报错截图推测需要检查的配置项。
售后人员用 AI,不一定要会写很多代码,但要会把上下文给清楚:系统版本、操作步骤、报错时间、日志片段、客户环境、已经尝试过的方法。上下文越清楚,AI 越像一个有经验的二线支持。
3. 测试人员
测试岗位非常适合 AI。因为测试本质上需要大量边界思考和重复整理:
根据 PRD 生成测试点。
把测试点转成用例表。
根据接口文档生成 Postman 或自动化脚本。
根据 bug 描述反推复现步骤。
根据代码改动分析影响范围。
生成边界值、异常值和兼容性测试清单。
测试人员不要只让 AI 写“正常流程”。真正有价值的是让 AI 帮你想异常流程、边界流程、并发流程、权限流程和数据污染场景。
4. 产品经理
产品经理用 AI,不能停留在“写 PRD”。AI 更适合做需求整理和结构化:
把客户原话转成需求背景、目标、范围和验收标准。
把会议纪要转成任务列表。
把竞品页面整理成差异分析。
把开发反馈转成需求调整建议。
把用户故事转成流程图、状态机和异常分支。
把版本计划拆成里程碑和优先级。
产品经理尤其要学会让 AI 输出“可验收”的内容。不要只要一段漂亮文字,而要让它输出字段、流程、状态、权限、异常、接口影响和验收标准。
五、先理解 Agent 类型:CLI、桌面工具和可视化工具
2026 年,你至少要理解这几类 AI 工具。
1. 网页聊天工具
ChatGPT、Claude、Gemini、豆包、通义、Kimi 这些网页聊天工具适合问答、写作、解释概念、临时分析和轻量内容生产。但它们的问题是:和你的本地项目、命令行、文件系统之间隔了一层。你要复制粘贴代码,它才能分析;你要手动把结果粘回项目,它才能落地。
2. IDE 插件
Cursor、Windsurf、GitHub Copilot、各类 VS Code 插件,适合在编辑器内写代码。它们的优势是贴近代码,劣势是有时会被 IDE 的交互方式限制。适合日常补全、局部修改、解释文件。
3. CLI Agent
CLI Agent 是我现在最推荐程序员学习的路线。代表工具包括:
Codex CLI:OpenAI 官方 coding agent,我当前优选。
Claude Code:Anthropic 官方命令行 coding agent。
Gemini CLI:Google 官方开源 AI agent。
OpenCode:面向终端、IDE、桌面的 AI coding agent。
OpenClaw:本地优先的 agentic coding 平台,2026 年出圈的代表之一。
CLI Agent 的优势是直接进入项目目录工作。它可以读文件、改文件、运行命令、看测试结果,再继续修改。对于程序员来说,这是最接近真实开发流程的形态。
4. 桌面和可视化工具
如果你不喜欢纯命令行,可以使用桌面工具或可视化界面:
Codex App:OpenAI 官方桌面 App,优先推荐。
OpenCode Desktop:OpenCode 的桌面方向。
CCGUI:Claude Code GUI 桌面工具。
我的建议是:程序员先学 CLI,再上桌面。CLI 能让你理解 Agent 到底怎么工作;桌面工具可以提升体验,但不要跳过底层逻辑。
六、如何开始:先装 nvm 和 Node
很多 AI CLI 工具都是基于 Node.js 生态发布的,所以第一步建议先装 nvm 和 Node。Windows 用户建议使用 nvm-windows,macOS/Linux 用户使用 nvm。
1. Windows 安装 nvm-windows
打开官方仓库下载最新版安装包:
https://github.com/coreybutler/nvm-windows/releases
下载 nvm-setup.exe,一路安装即可。安装完成后,打开 PowerShell 或 Windows Terminal,执行:
nvm version nvm list available
然后选择一个 LTS 版本安装。版本号以你执行 nvm list available 看到的为准,例如:
nvm install 24.11.1 nvm use 24.11.1 node -v npm -v
如果 npm 下载很慢,可以临时使用国内镜像:
npm config set registry https://registry.npmmirror.com npm config get registry
如果你要恢复官方源:
npm config set registry https://registry.npmjs.org/
2. macOS/Linux 安装 nvm
打开 nvm 官方仓库查看最新安装命令:
常见安装方式如下,具体版本号以官方 README 为准:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash source ~/.bashrc nvm install --lts nvm use --lts node -v npm -v
七、安装 CLI:我推荐 Codex 和 Claude Code
我的优先级是:先装 Codex,再装 Claude Code,再装 Gemini CLI。OpenCode、OpenClaw 可以后面按需补。
1. 安装 Codex CLI
官方文档:https://developers.openai.com/codex/cli
使用 npm 安装:
npm install -g @openai/codex codex --version codex
如果你使用 OpenAI 官方账号,可以按 Codex 提示登录。如果你使用 API Key,可以设置环境变量。Windows 示例:
setx OPENAI_API_KEY "你的 OpenAI API Key"
设置完 setx 后,需要重新打开一个终端窗口再执行:
codex
macOS/Linux 示例:
export OPENAI_API_KEY="你的 OpenAI API Key" codex
2. Codex 配置我的中转站
如果你使用我的中转站,可以先访问:
拿到 API Key 后,在 Windows 里设置:
setx ZJH_API_KEY "你的中转 API Key"
然后编辑 Codex 配置文件。Windows 一般在:
%USERPROFILE%\.codex\config.toml
macOS/Linux 一般在:
~/.codex/config.toml
可以参考下面的配置。注意:不同中转对 Responses API 和 Chat Completions API 的兼容程度不同,如果你的中转后台说明要求使用 Chat 接口,就把 wire_api 改成 chat。
model = "gpt-5.5" model_provider = "zjh" [model_providers.zjh] name = "ZJH API" base_url = "https://api.zjh336.cn/v1" env_key = "ZJH_API_KEY" wire_api = "responses"
如果遇到不兼容,可以先改成:
wire_api = "chat"
第一次测试不要直接拿公司核心项目试,建议新建一个临时目录:
mkdir ai-test cd ai-test codex
然后输入:
请帮我创建一个 Node.js 命令行小工具,功能是读取当前目录下的 package.json,并输出项目名称、版本号和 scripts 列表。完成后请告诉我怎么运行。
这类小任务最适合测试环境是否可用。
3. 安装 Claude Code
官方文档:https://docs.anthropic.com/en/docs/claude-code
npm install -g @anthropic-ai/claude-code claude --version claude
如果你使用 Anthropic 官方 API:
setx ANTHROPIC_API_KEY "你的 Anthropic API Key"
如果使用中转,建议优先用后面讲的 ccswitch 管理。你也可以按中转后台说明配置 ANTHROPIC_BASE_URL 和 ANTHROPIC_API_KEY,但不同中转的路径和鉴权方式可能不同,以后台说明为准。
4. 安装 Gemini CLI
官方仓库:https://github.com/google-gemini/gemini-cli
npm install -g @google/gemini-cli gemini --version gemini
Gemini 可以走 Google 官方登录或 API Key,按命令行提示操作即可。
5. 安装 OpenCode
官方文档:https://opencode.ai/docs/
npm install -g opencode-ai opencode
OpenCode 的价值是支持多模型、多供应商和多种使用形态。你可以把它作为 Codex、Claude Code 之外的补充工具。
八、安装辅助软件 ccswitch:管理多模型和中转
当你只用一个模型时,环境变量还能忍。但当你同时用 GPT、Claude、Gemini、DeepSeek、Qwen、GLM、豆包,再加上官方订阅和中转,你会发现配置非常容易乱。这时候就需要 ccswitch。
ccswitch 官方仓库:
https://github.com/farion1231/cc-switch
下载地址:
https://github.com/farion1231/cc-switch/releases
1. ccswitch 适合解决什么问题
统一管理多个 API Key。
在官方 API 和中转 API 之间切换。
给 Claude Code、Codex、Gemini CLI、OpenCode 等工具切换不同模型。
避免每次手动改环境变量。
快速做模型对比测试。
2. 推荐配置方式
安装 ccswitch 后,建议按下面思路配置:
新增一个 Provider,名字写
ZJH API。Base URL 填
https://api.zjh336.cn或后台要求的完整地址。API Key 填你在 https://api.zjh336.cn 获取的 Key。
按工具类型配置模型映射,比如 GPT 走 Codex,Claude 走 Claude Code,国产模型按兼容协议选择。
保存后应用配置,重新打开终端测试。
我建议先建三组配置:
| 配置名 | 用途 | 建议模型 |
|---|---|---|
| ZJH-GPT | Codex 主力开发 | GPT-5.5 或中转后台可用的 GPT 系列模型 |
| ZJH-Claude | Claude Code 项目维护 | Claude Fable、Opus、Sonnet 等后台可用模型 |
| ZJH-China | 国产模型高频任务 | DeepSeek、GLM、Qwen、豆包、MiMo 等 |
配置完成后,拿同一个任务分别跑几次。不要用“你好”这种问题测试模型,没意义。建议用真实任务,比如:
请阅读当前项目,不要修改文件。输出: 1. 项目技术栈 2. 启动命令 3. 主要目录说明 4. 你认为风险最高的 5 个模块 5. 下一步如果要重构,建议从哪里开始
这种任务能看出模型是否真的会读项目、理解结构、抓重点。
九、找大模型:官方订阅、中转和我的推荐入口
模型获取有两条路:官方订阅和中转。
1. 官方订阅
官方订阅适合稳定使用某一个生态:
OpenAI:ChatGPT、OpenAI API、Codex。
Anthropic:Claude、Claude Code、Anthropic API。
Google:Gemini、Gemini API、Gemini CLI。
国内厂商:DeepSeek、智谱 GLM、通义 Qwen、豆包、MiMo 等。
官方订阅的优点是稳定、来源明确、文档完整。缺点是不同平台账号、支付、额度、模型权限比较分散。
2. 中转服务
中转适合同时测试多个模型,尤其适合程序员做 CLI Agent。你可以用一个入口调用不同厂商模型,方便对比 GPT、Claude、Gemini 和国产模型。
我的中转站入口是:
如果你想快速测试多模型,建议优先从这里拿 Key,然后配合 Codex、Claude Code、Gemini CLI、ccswitch 使用。
另外两个入口也可以收藏:
国内模型和工具导航:https://z4crk6mg95.coze.site/
国外模型整理和中转说明:https://www.kdocs.cn/l/cdodlthJ9CYZ
提醒:公司代码、客户数据、账号密码、生产日志里如果有敏感信息,一定要按公司制度处理。无论是官方模型还是中转,都不要把不该外发的数据直接丢进去。个人项目和公开项目可以放开测试,公司项目要先脱敏、分级、审批。
十、模型和工具怎么对应
我的推荐对应关系很简单:
| 模型体系 | 推荐工具 | 说明 |
|---|---|---|
| GPT | Codex | 优先推荐。GPT 做 coding agent,Codex 是最自然的入口。 |
| Claude | Claude Code | Claude Code 是 Anthropic 官方工具,适合维护和重构项目。 |
| Gemini | Gemini CLI | 适合长上下文、多模态和 Google 生态任务。 |
| 国产模型 | Claude Code、Codex、OpenCode | 看中转兼容协议。Claude 协议走 Claude Code,OpenAI 兼容走 Codex 或 OpenCode。 |
实际使用时,我建议你先用 CLI 对接。原因是 CLI 最接近真实开发环境,也最容易看出模型是不是能干活。网页聊天可以辅助思考,但不能替代 CLI Agent。
十一、安装桌面工具:优先 Codex,其次 CCGUI
如果你不习惯命令行,或者想要更直观地管理任务,可以安装桌面工具。
1. Codex App
官方文档:https://developers.openai.com/codex/app
Windows 版本可以看官方 Windows 文档:
https://developers.openai.com/codex/windows
我的优先级是:如果你能用 Codex App,就优先用 Codex App。它适合任务管理、代码审查、项目内交互和较复杂的开发流程。
2. CCGUI
CCGUI 是 Claude Code 的 GUI 工具,适合不喜欢纯命令行的用户。
仓库和下载地址:
我的建议是:新手可以先用 CCGUI 感受 Claude Code 的工作方式,但不要完全绕开 CLI。你至少要知道背后调用的是哪个模型、哪个 Key、哪个项目目录、做了哪些文件修改。
十二、真正开始使用:按场景跑起来
工具装好以后,不要一直折腾环境。最重要的是把 AI 放进真实场景。下面这些提示词可以直接用。
1. 第一次让 AI 读项目
请先阅读当前项目,不要修改任何文件。 请输出: 1. 项目技术栈 2. 启动命令和构建命令 3. 主要目录和模块说明 4. 数据库、缓存、第三方接口等外部依赖 5. 你认为代码里风险最高的地方 6. 如果我要重构,建议的第一步是什么
2. 让 AI 修 bug
现在有一个 bug:这里写清楚现象。 复现步骤: 1. ... 2. ... 期望结果: 实际结果: 相关日志: 请先分析原因,不要急着改代码。 给出 2 到 3 个可能原因,并说明你要检查哪些文件。 确认后再开始修改。
3. 让 AI 做重构
请在不改变现有外部行为的前提下,重构这个模块。 要求: 1. 不修改接口入参和返回结构 2. 保持现有日志关键字段 3. 拆分重复逻辑 4. 补充必要的单元测试 5. 修改完成后说明改动点和验证方式
4. 让 AI 写测试
请根据这个接口/函数生成测试用例。 重点覆盖: 1. 正常流程 2. 参数为空 3. 参数格式错误 4. 权限不足 5. 数据不存在 6. 并发或重复提交 7. 边界值 请输出测试用例表,并在项目中补充自动化测试代码。
5. 售后排查问题
你现在是一个软件售后工程师。 请根据下面的客户描述和日志,帮我整理: 1. 问题摘要 2. 可能原因 3. 需要客户补充的信息 4. 远程排查步骤 5. 给客户的回复话术 客户描述: 日志:
6. 产品经理整理需求
你现在是一个产品经理。 请把下面的客户原话整理成 PRD 草稿。 要求包含: 1. 背景 2. 目标 3. 用户角色 4. 主流程 5. 异常流程 6. 权限规则 7. 字段说明 8. 验收标准 9. 需要研发确认的问题 客户原话:
十三、我的个人工作流:AI 重构工具箱项目
我现在用 AI 重构工具箱项目时,不会一上来就让 AI “重写整个项目”。那样风险太大,也很容易把项目搞乱。我的做法是小步推进。
先让 AI 只读项目,不改文件,输出项目结构和风险清单。
让 AI 找重复代码、历史包袱、可拆分模块。
我自己决定重构顺序,不让 AI 自己决定全部路线。
每次只处理一个模块或一个功能点。
改完让 AI 自己说明改动点和验证方式。
我再人工看 diff,跑项目,确认功能。
最后补文档、补更新日志、补测试。
这个流程看起来慢,但比一次性大改稳得多。AI 的优势是速度,不是绝对正确。你要用它的速度,同时保留自己的判断。
建议每个项目都加一个 AI 说明文件,比如 AGENTS.md、CLAUDE.md 或项目约定文档,内容可以这样写:
# 项目 AI 协作约定 - 修改代码前先阅读相关文件,不要直接大范围重构。 - 优先保持现有接口兼容。 - 修改后必须说明改动点、风险点和验证方式。 - 涉及数据库、权限、支付、删除数据的逻辑,需要先给方案再修改。 - 不要引入新的大型依赖,除非明确说明原因。 - 代码风格保持和现有项目一致。 - 常用命令: - 安装依赖:npm install - 启动开发:npm run dev - 构建:npm run build - 测试:npm test
这样做的好处是,每次打开 Agent,它都能先读到项目规则,减少重复沟通。
十四、2026 年不落后的学习路线
如果你现在刚开始,我建议按 4 周来推进。
第 1 周:装好工具,完成第一个真实任务
安装 nvm、Node、Codex、Claude Code、Gemini CLI。
注册或配置 https://api.zjh336.cn。
用 Codex 跑一个小脚本任务。
用 Claude Code 读一个旧项目。
记录每个模型的输出质量。
第 2 周:把 AI 接入你的日常项目
让 AI 生成项目结构说明。
让 AI 解释一个复杂模块。
让 AI 修一个低风险 bug。
让 AI 补一组测试。
把提示词和项目规则沉淀下来。
第 3 周:做模型对比
同一个任务分别用 GPT、Claude、Gemini、DeepSeek、Qwen、GLM 跑。
记录成功率、速度、修改质量、废话程度、成本。
不要看单次结果,看连续 5 次任务的稳定性。
确定你的主力模型、备用模型和低成本模型。
第 4 周:形成自己的工作流
确定日常开发用 Codex 还是 Claude Code。
用 ccswitch 管理官方和中转配置。
把常用提示词整理成模板。
给项目补 AGENTS.md 或 CLAUDE.md。
建立“AI 输出必须验收”的习惯。
十五、几个必须避免的坑
1. 不要只收藏,不动手
AI 工具更新很快,收藏链接没有意义。你要拿一个真实项目跑起来。跑一次项目重构,比看十篇评测更有用。
2. 不要迷信排行榜
排行榜只能说明某些标准题表现好,不代表你的业务任务表现好。每个人都应该有自己的测试集。程序员就拿自己的项目测试,测试人员拿自己的用例测试,产品拿自己的 PRD 测试,售后拿自己的日志测试。
3. 不要让 AI 一次性改太多
AI 很容易越改越大。你要限制范围:只改这个模块,只修这个 bug,不要动公共接口,不要换框架,不要引入新依赖。
4. 不要忽略安全和隐私
生产数据库、客户隐私、账号密码、支付数据、公司核心代码,不要随便丢给模型。能脱敏就脱敏,能用最小上下文就不要整包上传。
5. 不要把 AI 当替代品
AI 是放大器。你基础越扎实,它越能放大你;你完全不理解项目,它也可能放大你的错误。程序员还是要懂代码,测试还是要懂质量,产品还是要懂业务,售后还是要懂现场。
十六、我的最终建议
2026 年学习 AI,不要从“学哪个提示词”开始,而要从“我怎么把 AI 接到工作里”开始。
如果你是程序员,我建议你现在就做这几件事:
安装 Node 和 nvm。
安装 Codex、Claude Code、Gemini CLI。
注册或配置我的中转站:https://api.zjh336.cn。
安装 ccswitch,管理多模型。
用 Codex 跑你的第一个真实项目任务。
用 Claude Code 做一次项目阅读或重构。
把 GPT、Claude、Gemini、DeepSeek、Qwen、GLM、豆包都用同一任务测试一遍。
我的当前排序是:编码 Agent 优先 Codex,其次 Claude Code;桌面工具优先 Codex App,其次 CCGUI;模型使用上,高难度任务优先 GPT 和 Claude,长上下文和多模态任务测试 Gemini,中文高频任务大量使用国产模型。
AI 不会让所有人都变强,它只会让愿意改变工作方式的人变强。2026 年,真正会拉开差距的不是“你知不知道 AI”,而是“你有没有把 AI 变成自己的日常生产力”。
我自己从 2026 年 3 月底开始集中使用 AI,到现在最大的感受就是:它不是一个插件,而是一种新的工作方式。以前我做全栈会觉得累,现在反而觉得全栈更适合 AI 时代。因为只要你能把需求、代码、产品和验证串起来,AI 就能帮你把很多中间环节快速跑通。
所以,不要等。先装工具,先跑任务,先用起来。
参考资料和官方链接
我的工具箱项目说明:https://www.zjh336.cn/?id=2126
我的中转站:https://api.zjh336.cn
模型和工具导航:https://z4crk6mg95.coze.site/
OpenAI Codex CLI:https://developers.openai.com/codex/cli
OpenAI Codex App:https://developers.openai.com/codex/app
OpenAI 最新模型说明:https://developers.openai.com/api/docs/guides/latest-model
ChatGPT 发布说明:https://openai.com/index/chatgpt/
GPT-4 发布说明:https://openai.com/index/gpt-4-research/
GPT-4o 发布说明:https://openai.com/index/hello-gpt-4o/
Claude Code 文档:https://docs.anthropic.com/en/docs/claude-code
Anthropic 模型说明:https://docs.anthropic.com/en/docs/about-claude/models/overview
Gemini CLI:https://github.com/google-gemini/gemini-cli
Gemini 模型文档:https://ai.google.dev/gemini-api/docs/models
nvm-windows:https://github.com/coreybutler/nvm-windows
OpenCode:https://opencode.ai/docs/
OpenClaw:https://openclaw.ai/
DeepSeek 官方文档:https://api-docs.deepseek.com/
GLM 官方博客:https://z.ai/blog/glm-5.1
Qwen 官方博客:https://qwen.ai/blog
ByteDance Seed:https://seed.bytedance.com/en/blog/seed-2-0-official-launch
小米 MiMo:https://mimo.xiaomi.com/

还没有评论,来说两句吧...