你是否了解“结对编程（Pair Programming）”这一术语？根据维基百科的定义，它是一种由两位程序员协同进行软件开发的工作方式。在这个过程中，其中一位程序员被称为“驾驶员”，负责编码，而另一位则是“观察员”或“领航员”，在每一行代码输入时进行审查。更有趣的是，这两位程序员常常会互换角色。观察员不仅要审查代码，还需关注整体“战略”方向，提供改进建议及未来需要解决的问题。这种方法旨在使驾驶员在观察员的指导下，专注于当前任务的“战术”执行。

在过去的两周里，我通过与人工智能（AI）进行结对编程，使用一种全新的语言和框架，在一个陌生的开发环境中重建了我的博客。接下来，我将分享一些与人工智能合作的经历。

项目背景

为了确保人工智能在重建过程中发挥关键作用，我制定了两项规则：

• 使用传统搜索引擎获取信息的比例不得超过20%。

• 不向其他开发人员求助。

换句话说，在这次开发与学习的旅程中，人工智能成为了我主要的信息来源和合作伙伴。从某种程度上讲，这种合作模式类似于我们前面提到的将人工智能视为“结对编程”中的一员。因此，在整个过程中，我利用了GitHub Copilot、ChatGPT、Claude和Warp等人工智能助手，并将它们视为重要的编程伙伴。

技术栈的选择

在选择技术栈的过程中，我主要依赖于ChatGPT和Claude。通过向它们提供我的技术背景及具体需求，我在多次交流中逐步明确了所需的编程语言、框架和编辑器。

众所周知，与人工智能的对话非常自由且富有创造性。每当人工智能给出建议时，我都会深入探讨相关方向和细节，并定期总结自己的理解以便再次与人工智能确认。与几个月前相比，GPT-4和Claude 2不再单纯迎合提问者，而是能够及时且礼貌地指出我总结中的错误，帮助我避免走入误区。最终，我决定选择TypeScript、Astro、TailWindCSS和VSCode作为博客重建的技术基础。

在这一步骤中，人工智能高效地为我提供了宝贵的信息，并帮助我迅速做出决策。以下是我归纳的原因：

• 明确的需求：清晰的需求简化了与人工智能的沟通，使其迅速理解我的意图。

• 成熟的技术选择：我所选的技术栈由成熟的项目构成，这些项目通常拥有活跃的社区和丰富的文档，为人工智能提供了可靠的语义资源。

• 结合个人经验：我利用在其他编程语言上的经验，使用熟悉的语言和框架作为参考，以帮助人工智能更好地理解我的需求。

• 多平台的互补性：我同时在ChatGPT和Claude上进行讨论，尽管大部分信息相似，但偶尔也会出现不同的观点，相当于在“结对”中增加了一个伙伴。

• 人类判断的必要性：虽然人工智能提供的信息量相较传统搜索引擎有所减少，但用户若缺乏分析和决策能力，仍可能面临“选择困难”。因此，提问者需具备较强的分析能力，否则过度的自由可能妨碍满意结果的获得。

开发环境的设置

尽管我曾经使用过VSCode，但从未将其作为主要开发工具。同时，我在安装Node.js和使用NPM方面的经验也较为有限。在这方面，人工智能为我提供了详尽的协助，帮助我构建了开发环境。

探索AI助力开发的全新体验

首先，值得关注的是AI在命令行操作中的应用。由于Warp提供的AI助手极为高效，遇到错误时，我只需轻触闪电（⚡️）按钮，AI助手便会自动捕捉相关命令和输出信息并传递给人工智能。相比之下，在使用GitHub Copilot时，我必须手动选取需要解释的输出，以确保上下文的完整性。尽管我能够利用右键菜单中的AI选项或快速命令@workspace /explain #terminalSelection来进行这项操作，但总的来说，Warp的方式要更加简便。

与Xcode的集成测试环境有所不同，在VSCode中，开发人员需要依据所选语言和框架来挑选适合的测试框架和插件。这一过程中，我遇到了一些挑战。一开始，我尝试根据人工智能的建议安装Jest，但由于与Astro的兼容性问题未能成功。在与AI多次交流未果后，我开始使用搜索引擎，但仍找不到有效的解决方案。最终，网上的一篇文章提到了一个我未曾告知AI的知识点以及相关的配置背景。经过人工智能的指导，我终于成功配置了Jest框架。

然而，在后续的单元测试中，我发现Jest与Astro的运行环境并不兼容。通过查阅Astro的官方文档，我了解到ViTest才是更适合Astro的测试框架。此外，ViTest的安装过程相对简单，能够顺利运行Astro代码的测试。

因此，在这个项目中，我最终配置了两个测试框架：将ViTest用于Astro的特定测试，而将Jest则用于其余的测试。

另外，关于配置的问题，GitHub Copilot通过快捷命令生成的默认测试代码是基于Jest的。为了生成适合ViTest的测试代码，我需要与AI进行对话，明确提出这个请求。

通过以上经历，我深刻认识到，即使有人工智能和搜索引擎的帮助，最权威的信息来源依旧是官方文档。虽然人工智能对这些文档有较强的理解能力，但有时也会遗漏一些关键的信息。这就凸显了官方文档无可替代的权威性，仍然是我们获取信息的首选。

通过代码阅读掌握新语言

阅读Astro提供的官方模板让我深入了解了Astro，同时也是学习TypeScript的绝佳方式。在这一过程中，人工智能发挥了关键作用，显著提升了我的学习效率。Astro项目中的文件可能包含诸如TypeScript、JavaScript、HTML、CSS及特定的Astro标记与用法等多种元素。显然，对于缺乏相关经验的我来说，若没有人工智能的帮助，很难确定从何入手。

尽管Astro相较于其他框架较新，人工智能的知识库却已经对其有了相当的了解，并能够清晰地解释代码各部分的含义。通过AI对具体代码的详细解读，我逐渐掌握了代码的结构和逻辑。即便对于那些我仍感困惑的部分，人工智能也能随时提供进一步的解释。

在与AI的讨论中，我充分利用了自己对其他编程语言和框架的理解，作为与人工智能交互的参考。同时，我会定期总结自己的理解，并请AI帮助纠正其中的错误认知。随着讨论的深入，我也会定期请求人工智能提供之前讨论的结论，以便记录。

该阶段的代码解读和讨论主要在GitHub Copilot中进行。尽管GitHub Copilot整体表现良好，但在使用过程中仍需注意一些事项，例如：

• 如果不选中特定代码，GitHub Copilot将只解释当前编辑窗口中可视的代码。

• 为了给GitHub Copilot提供更多上下文，用户需要手动选择待提交的代码，以作为当前问题的背景。

• GitHub Copilot不支持跨多个文档进行讨论，因此用户需自行整合不同文档的内容，以形成完整的上下文。

• GitHub Copilot的回答有长度限制，若答案过长，可能会提示覆盖已提供的代码。在这种情况下，我们可能需要寻求ChatGPT或Claude的帮助。

编程实践

自动生成代码的过程，是开发者体验人工智能强大功能的有效途径之一。最近被开发者社区广泛讨论的GitHub Copilot，不仅能够理解开发者的意图，还能实时生成优质代码。对于我正在进行的博客重构项目，我的目标不仅是创建一个全新的博客，同时也希望在这个过程中学习并掌握新的编程语言和框架。通过启用GitHub Copilot，只需我提供足够的提示和注释，Copilot就能迅速生成相应的代码。

起初，我认为这种方式相当不错，但随着使用的深入，我意识到自己竟然逐渐养成了依赖人工智能索取代码的习惯。这让我更加关注注释对生成代码的影响，而忽视了代码实现背后的概念。这显然与我通过重构来掌握新语言的初衷相悖。面对人工智能给出的代码结果，我甚至产生了自己已经掌握该语言的错觉。

意识到这一现象后，我决定在无法独立编写代码的情况下，才会启用GitHub Copilot的实时代码生成功能。换句话说，无论代码质量如何，我都会先尝试独立完成，然后让人工智能帮助我找出问题，从而逐步提升代码的可读性与实用性。在这个过程中，我会咨询人工智能语法上的细节，寻求其建议，以便更好地应用TypeScript的编程范式和适合的代码实现方法。

由于同一功能的代码往往需要多次重复构建，因此提前设置单元测试显得尤为重要。在VSCode中，无论是使用Jest还是ViTest，都可以启用自动化测试，以便在代码修改后立即运行相关测试。我希望Xcode也能够提供这样的功能。毕竟在频繁修改代码的过程中，常常会遇到需要优化或修复错误的情况，只有通过测试，才能及时发现并解决问题。

小结

经过这段时间与人工智能产品的紧密合作，我逐渐认识到：在充分利用人工智能的同时，保持个人技术发展和独立思考的重要性。面对不可逆转的人工智能快速发展趋势，其必将对我们未来的生活和工作等各个方面产生深远的影响。

目前，人工智能已经具备了迅速编写代码的能力，许多开发者或多或少地担心会被其取代。作为一名开发者，我认为避免被取代的关键在于：持续提升自身技能，展示人工智能无法替代的独特价值。也就是说，虽然过度依赖人工智能确实能在某些方面提高工作效率，或者实现以往难以实现的结果，但长期以来，开发者可能会逐渐失去自身优势，最终从工具的使用者转变为工具的助手：人类提示生成器（Human Prompt Generators）。当然，总的来说，人工智能在帮助我学习与重建的过程中，确实带来了令人惊喜的体验。未来，我计划在自己的工作中更多地融入人工智能。