用 AI 代理进行编程

人工智能（AI）从根本上改变了我们的编程方式。AI 代理可以生成代码、优化代码，甚至协助调试。然而，在与 AI 合作编程时，程序员仍需牢记一些限制。

顺序和重复问题

AI 代理在代码顺序上常常表现不佳。例如，它们可能将初始化放在文件末尾，导致运行时错误。此外，AI 可能毫不犹豫地在同一项目中定义同一类或函数的多个版本，造成冲突和混淆。

一个具有记忆和项目结构的代码平台有助于解决

一种解决方法是使用能够管理记忆和项目结构的 AI 代码平台，这有助于在复杂项目中保持一致性。不幸的是，这些功能并不总是得到一致应用。因此可能出现 AI 丢失项目连贯性，在编程过程中引入不必要的重复或错误的依赖关系。

大多数 AI 编程平台通过所谓的工具来调用大型语言模型。这些工具基于一种开放的标准协议（MCP）。因此，可以将 AI 编码代理连接到像 Visual Code 这样的 IDE。你也可以在本地部署一个 LLM，使用 LLaMA 或 ollama，并选择一个要集成的 MCP 服务器。NetCare 开发了一个 MCP 服务器 用于帮助调试并管理底层（Linux）系统。对于想要直接将代码上线的情况非常方便。
可以在以下位置找到模型： Hugging Face.

IDE 扩展不可或缺

为了更好地管理 AI 生成的代码，开发人员可以使用监控代码正确性的 IDE 扩展。诸如 linter、类型检查器和高级代码分析工具等帮助在早期发现并修正错误。这些工具是对 AI 生成代码在质量和稳定性方面的重要补充。

重复错误的原因：API 中的上下文与角色

AI 代理反复出错的一个主要原因与它们如何解释 AI API 有关。AI 模型需要上下文和明确的角色定义才能生成有效代码。这意味着提示（prompt）必须完整：不仅要包含功能性要求，还要明确预期结果和边界条件。为便于管理，可以将提示以标准格式（MDC）保存并默认随请求发送给 AI。这对通用编程规则、功能与技术需求以及项目结构尤为有用。

像 FAISS 和 LangChain 这样的工具有所帮助

例如，产品如 FAISS 和 LangChain 提供使AI更好处理上下文的解决方案。例如，FAISS 有助于高效搜索和检索相关的代码片段，而 LangChain 有助于组织 AI 生成的代码并在更大的项目中保持上下文。不过，你也可以选择在本地使用 RAC 数据库自行搭建。

结论：有用，但尚无法独立完成

AI 对程序员来说是一个强大的工具，能加速开发流程。但它尚不能在无人监督下独立设计并构建复杂的代码库。程序员应将 AI 视为可自动化任务并生成想法的助手，但仍需人为引导和校正，才能得到令人满意的结果。

采纳 联系 以帮助搭建开发环境，让团队能充分利用开发环境，更多专注于需求工程和设计，而不是调试和编写代码。