干了九年大模型，我见过太多人把 ChatGPT 当许愿池。投个币，想要个能跑的系统，结果吐出一堆没法用的代码。今天不聊虚的，就聊聊 aigc自动化编程基于chatgpt 到底是个什么成色。

上周，我带个刚毕业的小伙子接了个私活。客户要个内部数据看板，前端 Vue3，后端 Python FastAPI。小伙子很兴奋，觉得这题简单。他直接让 AI 生成全栈代码，十分钟后，代码出来了，看着挺像那么回事。

我扫了一眼，眉头皱了起来。

第一，数据库连接没做连接池管理。并发稍微高一点，服务直接崩。第二，前端状态管理乱成一团麻，组件之间通信全靠全局变量，后期维护简直是灾难。第三，也是最大的坑，AI 生成的 SQL 查询没有防注入处理，虽然客户没要求安全审计，但这在真实生产环境就是地雷。

我让他重写。这次，我让他用 aigc自动化编程基于chatgpt 的思路，但不是让 AI 写全篇，而是分模块拆解。

先让 AI 写数据库模型定义，我人工检查字段类型和索引。接着，写 API 接口逻辑，重点检查异常处理。最后，前端页面，我要求 AI 先写组件结构，再填充样式。

过程很痛苦。AI 经常给出过时的语法，比如还推荐用 class 组件而不是 hooks，或者用旧版的 Python 装饰器写法。我得不断纠正它，甚至要手动修改它生成的逻辑漏洞。

但这才是真实的工作流。

很多人问，那 AI 到底有什么用？

有用，而且很大。在写那些重复性高、逻辑简单的 CRUD 接口时，AI 能节省 70% 的时间。比如一个标准的用户列表查询，带分页和筛选，AI 生成的代码我稍微改改就能用。但在核心业务逻辑上，比如复杂的权限判断、数据一致性校验，AI 经常幻觉。

我对比过两组数据。纯人工写一个中等复杂度的后台管理系统，大概需要 5 天。用 AI 辅助，如果开发者经验丰富，知道怎么 Prompt，知道怎么审查代码，大概需要 3 天。但如果开发者依赖 AI，不会审查，可能连 5 天都搞不定，因为调试 AI 的错误代码比从头写更累。

这就是 aigc自动化编程基于chatgpt 的现状：它是杠杆，不是替代。

我见过一个案例，一个独立开发者用 AI 快速搭建了一个电商小程序。上线后流量不错，但后来发现支付回调逻辑有漏洞，导致有人刷单。修复这个漏洞花了他整整一周。如果当初他花两天时间让 AI 生成代码后，自己仔细审计一遍，或者让 AI 专门生成单元测试用例，这笔损失就能避免。

所以，我的建议很直接。

别指望 AI 给你交卷。你要做那个阅卷老师。

在使用 aigc自动化编程基于chatgpt 时，一定要养成写单元测试的习惯。让 AI 生成测试用例，然后运行测试。如果测试挂了，让 AI 修复代码，再运行测试。这个闭环能过滤掉 80% 的低级错误。

另外，不要一次性让 AI 生成整个项目。拆细，拆碎。一个函数一个函数地生成，一个接口一个接口地调试。这样即使出错，你也知道错在哪。

还有，保持对代码的敬畏。AI 不懂业务上下文，它只懂概率。你才是那个懂业务的人。

最后说句实在话，这个行业变化太快。九年前，我们还在纠结 jQuery 和原生 JS 的兼容性问题。现在，我们要纠结 Prompt 怎么写才能不被 AI 带偏。

技术栈在变，但解决问题的核心没变。那就是：清晰的需求，严谨的逻辑，和不断的验证。

AI 能帮你写代码，但帮不了你思考。

如果你还在用 AI 当复制粘贴工具，那你离被淘汰不远了。如果你把 AI 当成你的结对编程伙伴，哪怕它偶尔会犯蠢，你也能带着它跑出更快的速度。

这就是我这九年最大的感悟。别迷信，别依赖，要驾驭。