我用 AI 编程，为啥体感不好？正确的姿势是啥？
最近老板要求“拥抱 AI”
个人理解，本质就是拿鞭子抽着牛马自掘坟墓，哪天坟修好了，就自己躺进去埋了
但不管咋样，也得硬着头皮拥抱
平时也一直用，但确实是比较初级的“问答式”：
- 让 AI 写个算法；
- 粘贴一堆日志，让 AI debug 问题；
- 快速学习一个新的技术点之类
效果确实不错，现在都习惯直接问 chatgpt 或者 gemini （ grok ，claude 几个混着用），谷歌搜索从日均 50 次到现在估计日均 5 次
以上是背景
最近接个新需求，打算在已有项目(golang web 服务，大约 5.7w 行代码)中直接用 AI 实现，大概过程是：
- 产品给需求文档
- 人肉整理需求，设计好数据结构，接口（共 6 个）入参以及响应
- 使用付费 trea （首充 3 刀）打开项目，将 2 给 trea ，使用 auto 模式，让它生成一个 plan
- 和 trea 反复对话调整大约 10 轮，生成了一个 planA
- 让 trea 执行 planA ，效果不咋地
- 根据实现，在 planA 的基础上，让 trea 重新生成 planB
- 反复对话约 5 轮生成了个 planB
- 让 trea 根据 planB 生成代码，结果不满意，放弃
- cursor 充值 20 刀，使用 auto ，输入 planB 生成代码
- 生成后的代码微调几处，乍一看，觉得还行
- 自己人肉测试，发现不符合有些本项目的约定做法，改提示词后，让 cursor 重新生成代码
- 改过的代码重新挨个测试，跑通，上测试环境联调
- 联调过程中，又发现了 2 个问题，修改后提交
整过过程，耗时约 3 天（还有其他事情同步在做）
综合体验下来，其实并不好：
a. 主要的数据库设计和接口设计还得自己来做 b. AI 能完成 80%的代码，但剩下的 20%代码需要人工修改或者确认，这个耗费的精力并不少 c. AI 完成的代码，没有人肉自己写的印象深刻，时间稍久远一点，出了 bug 自己会完全没印象，排查难度增大
觉得可能可以优化的方向：
A. 使用 claude code 业界公认的代码能力最强的模型（充值费劲） B. 优化提示词，拆分需求为更小模块，逐步实现，如 先让 AI 完成数据库设计，再做接口定义实现，再单元测试之类
社区藏龙卧虎，各位 AI 善后工程师，面对类似 case ，有什么使用建议吗？
@liujl 我是把 AI 看做一个新入职的基本功贼扎实的应届生看的，所以想给它尽量“精确的”、“完整的”需求，让它一次性完成编码工作。所以就把数据库和接口都设计好给它，感觉这样的需求是比较精确的
我也用 Trae ，感觉很拉垮，我也感觉是我使用的问题。 MCP 、Skills 这些我都没有，只用了 Solo 的 Plan 模式 + 老老实实写的提示词。
举个例子，我写一个前端项目“表单设计器”，告诉了它数据格式。它竟然把我另一个项目“流程设计器”的 json 配置直接抄过来了。
我也不知道它到底是怎么做到的，是读了我另一个项目的文件，还是我写“流程设计器”项目的时候它记忆了？
明明 Trae 只打开了“表单设计器”这一个项目，而且这个项目我是从 github 上拷贝过来二开的，跟“流程设计器”无论是在结构设计还是代码风格上都大相径庭。
我甚至开始怀疑它在后台扫我磁盘了……
大力出奇迹，Claude code ，codex 。
建议先体验最牛逼的，然后找便宜的模型对比下，如果能接受便宜模型的结果，再换便宜的。