人工智能探索之旅开启2026 年 7 月 1 日开启探索。作者一直在尝试使用人工智能而互联网上对其观点极端要么极度推崇要么极度贬低。作者认为听听不以点击率为导向的朋友的看法很有帮助。工具试用各有优劣作者每月花 20 美元分别订阅了 Anthropic 和 OpenAI 的服务还给 Google、Moonshot、DeepSeek 和 Cerebras 分别充值 20 美元使用额度。一段时间后主要在 Opus 4.8 和 GPT 5.5 之间切换这俩模型更出色且很少同时达使用上限。作者试用了 Claude Code、Codex 和 Pi。Claude Code 和 Codex 体验糟糕Codex 会在关闭终端后仍占 100% CPUClaude Code 按 Esc 键无法关闭对话框还会中断运行且二者表现不稳定。Pi 还能用像正常软件作者好奇其开发团队保证代码质量的方式。作者用 [bubblewrap] 运行工具赋予读写和只读权限作基本沙箱保护防止工具访问凭证和破坏文件。但安全训练似乎无效机器人会突破沙箱。代码审查前沿模型显威力作者从人工智能工具获得的最大价值是代码审查和查错简单提示也有效为这功能作者愿为项目月付 20 美元若经营公司愿为员工月付数百美元。工具能发现隐蔽错误如 Opus 在解释器中发现双重释放错误普通程序员难快速找到。不过只有前沿模型有用低价模型像苦苦挣扎的本科生前沿模型虽有错误判断但会标记。需注意目前只在小代码库测试大代码库效果取决于结构和局部推理可行性。代码重构提升质量有困扰代码重构示例包括用 offset 代替 pos重命名 Document 为 Buffer 并改注释和变量名让 Editor 中调用函数接受 EditorId 而非 Editor。这提升了代码质量降低修复缺陷成本工具编写 sed 命令能力强。但审查重构结果困难工具会混入不相关“修复”作者只能仔细阅读也尝试让其他工具判断无关更改有一定成效。协同编写代码决策难题待解作者原以为用工具严肃工作会沮丧主要让其处理一次性项目。但仍担忧代码质量。使用人工智能前作者编写代码是决策和执行结合减少上下文切换能提高效率。工具擅长机械执行但决策能力差修复错误常出错。如 Opus 更新测试时添加布尔参数和包装函数。目前流行让其他工具审查代码但无意义。作者希望能自己决策让工具执行以提高效率但无法阻止工具做决策指令也会导致其重构代码、编写测试。作者也无法有效审查代码感觉代码似是而非。作者设想在编辑器集成工具几年后或有编写代码更快的模型。独立编写代码简单任务还行复杂任务失败对于小的连接性工作任务只需审查输出效果不错如编写转换脚本、项目转换等。但对于难以验证的任务如将棋盘游戏规则转换为多人网页应用完全失败。模型拖延工作对话中常未完成任务。尝试用浏览器自动化工具编写测试也失败要么安装依赖卡住要么不按规范操作。作者认为问题在于工具处理随意规则能力差且懒惰验证规则实现成本高。成功率低且难验证使工具在这类任务中无用这或许也解释了 Codex 占用 CPU 的问题。很多人对人工智能作自主软件工程师热情高但作者体验是现有方式会产生混乱不过工具降低了成本改变了成本 - 质量平衡点。作者怀疑即便模型智能不提升使用方法会改进以获更多价值。搜索及其他简单任务验证答案是关键对于可验证答案、注重准确性的问题工具效果好如检查博客文章错误、脚注格式、查找书籍、列出职位链接等。但对于无法验证的问题很危险如推荐潜水服润滑剂可能不合理。头脑风暴与创意激发建议缺乏新意作者常让工具帮忙头脑风暴尤其命名困难时但工具建议千篇一律作者从未采用。总结思考功能有价值使用待改进代码审查、重构和一次性脚本编写功能有用物有所值。协同编写代码目前不太成功但未来可能更有价值。独立编写代码对非简单任务行不通低质量软件有市场。前沿模型极少“幻觉”DeepSeek Flash 偶尔编造事实工具出错多因推理等问题。订阅前沿模型服务划算但模式可能取消按令牌付费不确定哪些场景值得继续。作者不喜欢现有使用工具希望有更多控制和直接交互方式。编写代码能构建心理模型使用工具则需“加强版审查”方法。整个体验有趣得益于非重要项目实验。作者思考几年后情况及发展方向。也许该雇佣作者可通过 Atom 订阅获取更新也可将评论发送至指定邮箱。