最近几个月，我写代码时越来越常把人工智能放在旁边。它有时像一个手很快的搭档，能一口气读完散落在几个目录里的逻辑；有时又像刚来项目的新人，说得很笃定，实际把旧接口当成了新接口。
最开始我给它的任务很含糊：“帮我把这里优化一下。”它也不客气，改了不少，代码看着整齐，真正的问题却没碰到。后来我才意识到，模糊的问题只会换来一份流畅的猜测。
把任务说成人能接住的样子
现在我会写清目标、涉及文件、不能改变的行为和完成条件。遇到故障就附上复现步骤和原始日志，而不是只说“这里坏了”。任务大时拆成几段，每次只改变一个能验证的行为。
这样做不只对工具有效。回头看自己的任务描述，我也更容易发现究竟有没有想清楚。
它写完，不代表事情做完
有一次生成的修改顺利编译，正常流程也能跑，我差点直接收下。多看了一眼异常分支，才发现权限校验被绕到了后面。那以后，人工智能写的代码和我写的代码一样，都要看差异、查边界、跑实际检查。
陌生依赖尤其不能靠记忆。版本会变，接口会过期，当前项目里的类型和运行结果才算数。我让搜索、格式化、构建这些确定的事交给工具执行，再根据结果继续判断。
用到现在，我不觉得它替我省掉了思考。相反，它让我更快走到真正需要思考的地方：需求是不是清楚，边界有没有守住，结果能不能复现。
这个搭档偶尔会一本正经地犯错，但只要我还握着验收的尺子，它确实能让不少漫长的路走得快一点。