用了半年 AI 辅助写代码，说说哪些活该交出去、哪些不能

半年前我开始用 AI 辅助写代码，不是那种"让 AI 帮我写完整个项目"的激进派，也不是"AI 写的东西我一行都不信"的保守派。算是摸出了一点自己的节奏，今天随便聊聊。

先说结论：AI 最擅长的是那种"你脑子里已经知道怎么写但手懒得动"的活。比如一个 Python 脚本，读 OBS 桶里的文件列表、按日期排序、输出 CSV——这东西我写过上十次了，每次都要查 boto3 的分页参数怎么传。现在我把需求丢给 AI，三十秒出来，改改就能跑。

这种活交出去特别划算。因为你自己审查代码的成本很低，逻辑你都懂，扫一眼就知道哪里不对。

但有一种活我坚决不交出去：涉及到业务核心判断的。举个例子，之前有个需求是写一个 ECS 告警的自动归因脚本，要根据一堆监控指标判断是内存泄漏还是流量突涨还是磁盘满了。AI 写出来的东西看着像模像样，但它会把"内存使用率 > 80%"和"可用内存 < 500MB"当成两个独立的条件并列。实际上这俩是一回事，只是换了个算法。如果你不懂业务直接用了，后面告警逻辑就会重复触发，烦死。

所以我的原则是：AI 写"怎么实现"，人来判断"实现什么"。

还有一类我最近发现特别好用——写正则。以前写正则就是打开 regex101 一遍遍试，现在直接说"帮我匹配这种格式的日志行：[2026-11-04 09:12:33] ERROR module=ecs action=resize result=fail"，AI 直接给你正则，还附赠一段测试用例。改两下就完事了。

（说到日志，华为云的 LTS 日志服务本身也能做结构化解析，但有时候你就想在本地先筛一遍，正则还是绕不开的。）

不太行的场景也说一下。AI 写 shell 脚本经常出问题，尤其是涉及到引号嵌套和子shell的时候。有次让它写一个遍历 ECS 列表然后逐台执行脚本的 bash，生成的代码里 for i in $(list) 这种写法，文件名带空格就炸了。后来我全部改成 Python subprocess 来调，安全多了。

另一个坑是 AI 对华为云 SDK 的 API 参数不总是准确。比如 CCE 的 Pod 列表接口，参数名变过几次（从 v1 到 v1beta1），AI 给的参数有时候是旧版的。所以涉及到具体 API 调用，我一定对着官方文档过一遍。

总的来说，用了半年之后我的体感是：重复性编码效率大概提升了一倍，但调试和审查的时间没怎么省。净赚的是那些"写起来烦但逻辑简单"的任务，净亏的是你以为 AI 写对了、实际有个边界条件没处理、然后上线爆了。

最后一条建议：如果你刚开始用 AI 写代码，先从你最熟的领域开始。因为你熟，你才看得出来 AI 在哪胡说。等你能稳定地发现 AI 的错误了，再慢慢往不熟的领域扩。反过来操作的话，大概率会被坑。