随着人工智能技术的飞速发展，AI编程逐渐成为热门话题。从曾经的辅助工具到如今逐渐成为工作主力，AI编程工具的迭代速度令人惊叹。本文将探讨AI编程工具的现状与潜力，分析其是否适合新手使用，以及它对产品研发人员带来的挑战与机遇。

业务和技术之间的墙头，被AI一块块拿掉。

01

在人工智能快速发展的这几年，有一个热度持续的话题：AI会最先替代什么工作？

互联网，请睁眼。

这个行业的不同岗位看似壁垒很高，但是无论岗位专业还是还是协作流程，就像自动化流水线一样，其中更是以研发岗位为首，比如软件开发，质量测试，视觉设计等。

起初我对这种说法，是有点冷嘲热讽的，以大模型刚火的那1-2年时间看，AI确实不具备替代大量人工的潜质，很多话题的讨论，更多还是流量助推。

2024年质疑声连绵不绝，但很多AI应用却悄无声息的成为主流。

其中以绘图和编程这两个方向最为亮眼，从24年上半年的部门使用体验看，都还只能起到辅助效果，但是到下半年和今年。

很多AI工具，已经逐步成为工作中的主力。

特别是今年在DeepSeek红透半边天之后，让很多AI应用的开发，重新具备了想象空间，原因就是简单好用的模型产品出现了。

2024年非常突出的质疑声：AI行业缺乏现象级产品。

从传统互联网经验看，有了产品才可以稳定的吸引和留存用户，不过25年之前，大模型普遍都处在可用阶段，那上层的套壳产品也很难好用。

大模型的能力，直接决定AI产品的上限。

在很多AI产品接入DeepSeek后，也让用户意识到好用的模型，真的可以轻松解决很多问题，细致的提示词理解水平，复杂的需求在多轮对话中迭代实现。

于用户而言，无非是哪个好用就用哪个。

02

从进入职场工作开始，在产品研发部待了近十年，几乎见识到了行业内卷的完整过程。

其中明显的节点，是从低代码产品崛起开始。

在工作中引入低代码平台之后，于业务来说确实降本增效，于技术来说增加很多管理维护的复杂性，前期不免很多骂骂咧咧的声音。

从降本增效的角度看，使用年费几千块的产品，可以快速搞定很多业务流程，和系统自研的投入相比，几乎可以忽略。

研发岗位的全栈工程师，大概就是从这个节点开始流行。

虽然互联网行业卷，但是AI爆发之前，至少还要分产品技术和设计，但是在AI爆发之后，已经逐步卷到只分业务和技术了。

最近产品和技术之间，都开始相互试探了。

在AI工具中，导入产品草图，可以快速生成应用，通过简单的提示词进行持续优化，虽然效果未必能达到十分预期，但7-8分还是可以的。

提示词工程就三句：需求描述，哪里对哪里不对，哪里要优化。

03

在诸多人工智能应用中，AI编程的热度居高不下。

2024年接触过Cursor编辑器，当时体验下来感觉还差点火候，在2025年DeepSeek刚火那会儿，系统的测试过主流大模型的编程能力，依旧差点意思。

AI辅助编程可以，还做不到信手捏来的程度。

像一些比较火的自媒体文案：代码小白使用Cursor，三五个小时快速开发一款产品，上架之后有多少注册用户。可能大家好奇的是Cursor的能力，而不是产品本身。

如果是静态网页，这种说法无可挑剔，但如果是前后端交互逻辑的应用，短时间内肯定实现不了。

对新手来说，搭建软件开发环境和数据库，可能就打消了大部分的好奇心。

最近在见识到DeepSeekV3模型的编程能力后，即惊讶于AI迭代速度，也发现AI编程工具确实已经可以用起来了。

提示词：使用前端语言，编写一个坦克大战1990的小游戏，要求高度还原经典的UI设计风格，以及该游戏的基本玩法。

不靠同类产品衬托，效果也不算惊艳，只是简单实现了游戏的视觉和基本规则，代码行云流水的写了近千行，居然可以运行成功。

懂点编程的知道：代码少出错奇怪，代码多不出错更奇怪。

提示词：以3:4的比例，使用HTML写一个Web页面，制作爆款笔记的封面图，参考科技类目的风格。

这个问题在2月份DeepSeekR1模型中测试过，当时写的还只是静态页面，无法动态修改封面的内容，而到V3这个版本，已经有模有样的算个工具了。

提示词：使用HTML写一个大模型信息采集系统，包括增删改查几个基本功能，页面视觉简约即可。

页面布局合理，信息管理的字段也兼顾到时间和单选等组件，如果将页面中的增删改查对接数据存储，就已经是一个简单的功能模块了。

也试了几个复杂的场景，在提示词反复调整后，对话6-7轮也可以基本实现需求。

以提示词的案例看，DeepSeekV3模型的编程能力已经相当可以了，无论是业务层面的需求理解，还是程序里的算法逻辑，绝对可以过及格线。

既然模型能力提上来了，相应的AI工具也可以再试试了。

04

最近同时体验Cursor和Trae两款AI编程工具，Cursor无疑还是略胜一筹，但是在Trae工具中使用DeepSeekV3模型，效果也同样不差。

从整体来说，还是考验模型对需求的理解能力。

从工具本身来说，则是看需求理解之后的流程管理水平，比如实现需求要拆分多少执行步骤，哪些可以工具处理，哪些需要用户手动介入。

只要简单的几步操作，就可以把需求自动化实现。

在测试中基于简单的几张产品原型，半天时间就可以快速实现小程序的应用开发，页面视觉和程序逻辑，都能通过对话快速修改，虽然偶尔会出现偏差，但整体上还是稳定好用。

对没接触过产品研发的小白来说，肯定还是存在使用门槛的；但是对于软件研发的内部人员来说，无疑是提升效率的利器。

这也带来了新的问题：加剧产品和技术的互卷。

今年对产品研发人员来说，无论是招聘需求还是独立开发者，最热的话题标签依旧是AI技能，好像擅长使用各个大模型的人，就约等于团队一样。

在内卷严重的当下，这对互联网打工人来说，既是挑战也是机会。