前言
前段时间充值了 Cursor 的年度大会员，在深度使用之后，不得不说 AI 对工作效率的提升那是相当给力。
Tab 键成了小甜甜
最明显的变化就是 Tab 键，使用频率大大提升，已经远超 Ctrl+CV 的使用，同样也加剧了键盘的磨损 😐。
在日志打印、方法生成、NDK调用 等场景下已经是重度依赖了，Cursor 根据上下文可以提供智能的代码建议，靠 Tab 键就能大大减少重复性工作。
尤其是做客户端开发的时候，主要的代码编辑工具从 Android Studio 、XCode 切换到了 Cursor ，在要编译运行时才会切到 AS 和 XCode 上检查编译问题。
Cursor 的 Tab 键响应有时候会有些延迟，在延迟等待的时候就能体会到那种怕它不来，又怕它乱来的感觉了~~~
Prompt 工程师真香
这个需求怎么搞，哪个框架怎么写，遇事不决问 AI 。
但要是这 Prompt 关键词没写好，那得到的答案要么完全不在频道上，要么泛泛地讲一堆空话，起不到任何帮助。
即使 Cursor 可以支持指定多个文件和代码片段来作为上下文，但是业务逻辑过于复杂，相关的文件和引用超出了 Cursor 的上下文 Token 数量，也是白搭。
这时候就必须讲讲 Prompt 工程师的自我修养了。
不要让 AI 来考虑整体的方案和框架，而且自己有了整体的方案和框架后，把框架进行概念上的抽象，再在交给 AI 进行补全和完善。
因为实际业务需求过于复杂，尤其是涉及到具体业务上的专有名词（并非业界通用名词），这时候是很难写好一个 Prompt 关键词的。
真想要写好的话，会发现自己成了无情的汉字输入机器人，每天都忙着打汉字写作文一样来调教 AI ，要是最后得到的结果不满意，那真是事倍功半，惨兮兮。
最好就是自己有了整体的方案和框架后，再把框架和概念进行抽象，比如说业务中有个需求名词叫做运动贴纸，你把这个告诉 AI ，那肯定会理解不到位，然后还要写一串内容来给 AI 解释什么是运动贴纸，但如果把这个简化成贴纸，按照贴纸的逻辑来实现，在这基础上再实现运动那部分的需求，就能靠谱多了。
另外，假设让 AI 写一个生产者消费者模型的框架，那都能写出好几种花样来。因为这都是业界非常普遍和基础的框架，AI 很好理解的。
当我们的需求有了方案后，最好也把它抽象成这种基础的框架，可以是整体框架的也可以是局部拆分的，比如说生产消费模型、多线程模型、设计模式、线程池模型、消息队列模式等等。然后让 AI 来完成这样的框架，把输入和输出也抽象成通用的概念，确定框架可行后，在贴合具体的业务逻辑进行完善。
如果是让 AI 来完成需求方案框架，没有自己的思考就采纳了，那后续开发中如果这个方案有问题，就得去解 AI 方案的 Bug ，用 AI 去解 AI 的 Bug ，可能最后得到的还是 Bug 。
总之，用 AI 来搞个大需求，别想着一口吃成个胖子。
源码分析还有市场吗？
深入一段时间 Cursor 之后，除了被它的能力震惊之外，还在思考以前看过的技术文章和教学视频，放到 AI 时代，那些文章和视频还有市场吗？
尤其是源码分析类的文章，相信很多人都看过，基本上都是讲解具体的 API 调用流程、然后画流程图之类的、。
这些工作现在交给 AI 来做，真是分分钟就能分析清楚了，而且遇到的一些简单问题不用 Google 靠 AI 也能给解决掉，自己写的文章还不如用 AI 写的好呢。
如此一来，如果说我们的能力仅停留到源码分析的地步上，那么这一点完全是可以被 AI 替代的。
那么在 AI 时代，什么样的能力才是不会被 AI 给替代呢？我想，除了具体的业务内容，可能还有在基础流程背后更深度的技能，比如性能优化的技巧、疑难杂症的解决等等，另外还有人与人之间沟通交流合作的软实力。
要是哪天这些也能被 AI 替代，希望那时候我已经领上退休金了吧~~
原创文章，转载请注明来源: 充值 Cursor 之后，工作有了哪些变化？🤔