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：

1. 产品给需求文档
2. 人肉整理需求，设计好数据结构，接口（共 6 个）入参以及响应
3. 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
4. 和 trea 反复对话调整大约 10 轮，生成了一个 planA
5. 让 trea 执行 planA ，效果不咋地
6. 根据实现，在 planA 的基础上，让 trea 重新生成 planB
7. 反复对话约 5 轮生成了个 planB
8. 让 trea 根据 planB 生成代码，结果不满意，放弃
9. cursor 充值 20 刀，使用 auto ，输入 planB 生成代码
10. 生成后的代码微调几处，乍一看，觉得还行
11. 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
12. 改过的代码重新挨个测试，跑通，上测试环境联调
13. 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：

1. 主要的数据库设计和接口设计还得自己来做
2. 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
3. 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：

1. 使用 claude code 业界公认的代码能力最强的模型（充值费劲）
2. 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？