作为一名普通开发人员，我对 AI 工具的上手其实算比较晚。今年五月以前，基本还只是把 AI 当作聊天机器人使用。有时听同事提到一些关键词都听不懂，甚至不知道该如何提问，心里多少有些惭愧。直到最近因为一个契机，沉下心认真摸索了一段时间，才真正感受到 AI 工具的魅力和强大，也切身体会到它对生产效率的提升。刚好趁端午假期，把最近的使用心得简单整理一下。
本来想让 AI 直接输出，尝试了几版都太“AI 化”了，所以文字和截图都是纯手工，希望这篇博文更实用、更有温度。
目前使用过的工具列举：
豆包应该是最大众化的一款 AI 工具了，从网页端、浏览器插件、手机App多端体验一致，综合体验下来，它的信息同步能力也是我用过的工具里比较好的，尤其是网页端，即使对话很长也不容易卡顿。
有段时间想体验一下不同的模型，自己写了一个iframe，把多个网页嵌进去（两个、三个、四个），可以在一个页面同时问问题看答案，所以很长一段时间我都是这么用 AI 的，看下图：
两个
三个
四个
豆包浏览器插件
后来发现 Cherry Studio 也可以同时接入多个模型，甚至可以通过代理服务的 token 加载不同模型，整体能力很强。
主界面
切换模型
自定义
再后来，集成到Visual Studio Code的IDE中，可以基于开发环境来辅助编程：
插件
配置Base Url
配置Key
直到这个时候，才算开始将 AI 工具和开发工作紧密连接，之前都是遇到不懂的问题，拿着问题问 AI 机器人，再把答案手工贴到IDE中去验证，但这种用法已经可以让 AI 工具直接阅读代码并进行修改。
再再后来，这些 AI 编程工具横空出世，个个都说能带来革新，各大资讯都在吹捧，也尝试安装了这些工具，但说实话，我是一脸懵的，无从下手。
Cursor
Windsurf
Warp
再再再后来，安装了Codex，基于微软应用商店安装的，说实话也没有完全用起来，但其实已经接近今天的重点了。
直到遇见了 Codex CLI——命令行形式的 AI 工具，目前的感觉是在计算机操作方面“无所不能”、“叹为观止”，来着重讲讲“她”。
很平平无奇对不对？😀，莫慌！一步步来……
官网下载：https://nodejs.org/zh-cn/download
安装后验证：
node -v
npm -v
npx -v
这几个工具都属于锦上添花，丰俭由人，可以跳过。
当然，这个也可以让 AI 帮你做
执行命令：
npm install -g @openai/codex
提示安装完成，新打开命令行窗口，输入codex，可以加载即代表安装完成，首次使用会提示登录、绑定信息等。
路径：C:\Users\Administrator.codex\config.toml
下图是我的配置文件截图和说明：
Codex CLI 自v0.80以后，逐步取消了chat模式，目前最新的版本是v0.140，所以如果配置国内模型如DeepSeek、Mimo这些，可能要弄个代理。
当然，这个也可以让 AI 帮你做
我嫌麻烦，所以保留v0.80版本，也方便随时切换模型使用，如下图：
Codex CLI 以命令行方式运行，不像桌面软件那样通过图形界面管理项目和文件夹。它更多是基于当前目录和文件上下文来工作，因此要让它更懂你的代码、文档和使用习惯，就需要提前写好提示词规则。
首先是个人习惯 AGENTS.md，基于启动目录告诉她你的习惯：
我的配置，仅供参考
然后是基于每个项目工程写一个AGENTS.md
当然，这个也可以让 AI 帮你做
而且提示词是可以嵌套的，在子文件夹也可以新建这个文件，AI 会自动读取，这样当 AI 加载到对应目录时，会优先读取这些说明，从而更‘懂你’。
AI 的 Skill 可以理解为：给 AI 预装的一套专业工作流程、规则和工具说明。它不是模型本身，而是让 AI 在特定任务上“按专家方法办事”的能力包。
在github上有很多实用skill，根据star挑选安装即可。
https://github.com/davila7/claude-code-templates
当然，这个也可以让 AI 帮你做
随便试试：
MCP，全称 Model Context Protocol，可以理解为“AI 应用连接外部工具、数据和系统的统一协议”。让大模型不只是聊天，而是可以安全、标准化地访问文件、数据库、业务系统、浏览器、GitHub、Confluence等外部能力。
相关的AccessToken从各个网站的个人配置中去拿
我配置的MCP，wiki、jira、gitlab
这样的话，AI 就可以直接操作wiki、jira、gitlab，随便试试：
AI 的 Webhooks 可以理解为：当某个外部事件发生时，系统主动通知 AI 或 AI 应用，让 AI 自动处理后续任务。
比如在代码仓库中接入 AI Code Review 流程，每次提交代码后，AI 都可以自动走读代码，再结合企业微信机器人，把本次提交的分析结果和评分推送到群里。
安装软件，使用npm、npx
适配所有IDE
这是我的程序快捷方式，前面提过基于Visual Studio Code的插件，AI 可以读代码，改代码，编译，但都仅限于 VS Code 工具内。而实际上按照使用习惯来说，不同的开发语言用不同的IDE体验还是很大的。比如C#开发用Visual Studio，Java用IDEA，Vue用 VS Code，Python用Pycharm……
现在是这样的：
Visual Studio
IDEA
Visual Studio Code
使用frontend-developer做前端开发
使用webapp-testing读取网页内容
使用webapp-testing进行自动化测试
使用code-reviewer审代码
使用superpowers
生成接口文档
配置MCP，连数据库，结合sql脚本对照数据库
配置MCP，连wiki，搜索文档、总结文档
配置MCP，连jira，搜索问题，总结问题
配置MCP，连gitlab
控制Ubuntu虚拟机，修复OpenClaw配置
操作服务器，安装组件，部署服务等
没有一一截图，基本上对于文件的操作、程序的操作都能胜任，还有更多技能待发掘尝试……
再来讲讲今年正当红的小龙虾🦞，不敢把所有权限都开放给OpenClaw，所以弄了台虚拟机测试，先安装了Ubuntu，再在里面安装了OpenClaw，安装步骤就不说了，要么根据官网指导，要么让 Codex CLI 直接安装，讲讲如何使用的吧。
先从熟悉领域开始，把念头变成行动。
使用 AI，最好的起点不是追逐最新工具，而是先在自己最熟悉的领域用好它。
比如自己非常熟悉的代码、业务、系统框架、日常流程。因为这些领域自己有判断力，知道 AI 说得对不对，也知道结果是否有价值。
先让 AI 读懂已有代码、优化重复逻辑、生成辅助文档、解释业务流程、检查潜在问题。等它逐渐适应自己的习惯后，就可以把自己从大量重复性工作中解放出来。
带来的思考
持续思考几个问题：
尾声
使用 AI 最大的变化，是它可以把过去脑袋里的一个念头，迅速变成可见的行动和结果。
以前一个想法可能只是想想，因为要学习、查资料、搭环境、写代码、设计页面、调试部署，成本太高，所以很快就放弃了。
现在可以直接让 AI 帮自己做一个初版，马上看到效果，再决定要不要继续深入。
这种感觉就像刚买车一样，不是世界变小了，而是自己的“脚”突然变长了。自己可以到达更远的地方，尝试更多的事情，把更多原本停留在脑子里的念头，真正付诸行动。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。