随着人工智能技术的不断发展，我们的生活与智能助手之间的关系越来越紧密。ChatGPT 这种语言模型，确实让沟通变得更智能、更便捷。不管是学习、工作，还是日常琐事，它都能逐渐成为一台得力帮手。

所以，当你问 ChatGPT 自己该怎么被看待时，它会回答：工具的意义在于实践，在于上手。对普通人来说，AI 崛起，真没必要想太深。只要能在自己的生活中发挥作用，就是皆大欢喜。而说到怎么用 ChatGPT，每个人的场景都不一样。有些人拿来写文案，有些人拿来学外语——而我呢，主要用在技术场景，比如写单元测试和做 Code Review。正确用好 AI 工具，确实能大幅提升工作效率，这点对很多角色都适用。等你完全习惯了，你会发现这些东西基本可以替代百度或者 Stack Overflow。

今天这篇文章，就简单分享我在工作中用 AI 工具的一些实际细节，希望能给大家一些参考。

1. 工具有很多，不用非得逮着一个薅

ChatGPT 发展这么快，各种 AI 辅助工具也纷纷冒了出来。除了针对 ChatGPT 的第三方应用或插件，还有不少基于 GPT 模型的同类工具同样出色。这里先啰嗦一下我比较常用的几种方式。

方式一：浏览器插件 Sider

日常浏览器里，其实有不少支持 GPT 模型的 AI 工具。大部分免费但有次数限制。比如 Sider 这个插件，支持 GPT-4，用起来跟 ChatGPT 几乎没区别。你随时可以在 Chrome 或者 Edge 里搜索安装，装好之后直接在浏览器内就能调用。

Sider 每天有 30 条免费对话，想增加次数就得付费。当然也可以用邀请码去邀请别人，还能增加 GPT-4 的使用次数。除了 Sider，类似的插件还有 Monica。总体来看，如果你每天只是轻量使用，这些浏览器插件非常合适。

方式二：Cursor

日常用得最多的是 Cursor。免费、不需要注册，国内网络环境就能直接用。

1. 打开 https://www.cursor.so/ ，直接下载安装注册。你可以用微软或 GitHub 账号快捷登录，它本质上就是个类似 VS Code 的 IDE。
2. 使用体验上，反馈速度飞快！还能专门把回答语言设成“永久中文模式”，这点很贴心。
3. 当然，它不是 ChatGPT，回答问题的准确性上还不太稳定。目前感觉它回答编码或开发类问题比较靠谱，其他方面就一般了。

工具三：Phind

除了 Cursor，平时用得最多的就是 Phind。对开发者来说，Phind 真的很友好，从官网介绍就能看出来。

1. Phind 用的是 GPT-4 模型，回复速度和正确性没什么好担心的。
2. 直接访问 https://www.phind.com/ ，无需注册就能用。不过国内网络环境需要借助其他工具才能打开。
3. Phind 专门针对开发者做了优化，比如一般网页版 AI 只能注入 2k 字符，Phind 可以输入 6k。

以上这些工具注册起来都很简单，没有复杂的流程或地区限制。想快速用上 AI 辅助工具的话，这些都是不错的选择。当然，除了它们，还有 NewBing、ChatGPT、GitHub Copilot 等等，网上介绍很多，这里就不多说了。

2. 工具只是媒介，学会提问方能发挥 AI 最大价值

有了工具，不代表就能完整体会到 AI 的效果。如何把价值最大化，还得靠使用者——我们自己。同样一个问题，提问的质量直接决定回答的质量。所以，学会写 Prompt 才是应用 AI 最重要的环节。

比如下面这两种 Prompt，绝对会得到完全不同的反馈。

想让 AI 输出更贴近你的期望，那就尽可能描述背景细节。实践下来，推荐两种 Prompt 格式，仅供参考。

格式一：角色-任务-要求-问题

这个格式就像导演给演员讲戏——先给 AI 立人设，再描述要完成的任务，列出具体要求，最后提出问题并限定输出格式。

总结下来，一个通用格式大概是这样：

你是一个 xxx。需要你完成 xxx 任务。你必须要 xxx，请你以 xxx 的形式输出 xxx。

格式二：万能模板

格式大概如下：
_{我想请你 XXX（做某一件事），请问我应该如何向你提问才能得到最满意的答案？请提供全面、详细的建议，针对每一个建议请你提供具体的提问范例。注意这些范例都是关于如何向你提问获取做这件事的建议的。最后，根据你所有的建议，综合提供一个总的提问范例，这个范例必须同时体现你所有的建议。}

当然，Prompt 现在已经成了一个专门的领域，很多大佬都有深入的研究。感兴趣的话，可以看看 promptingguide.ai，或者 GitHub 上的 awesome-chatgpt-prompts 项目。

3. AI 融入工作，妥妥提高开发效率

有了工具，学会了怎么写 Prompt，接下来就可以正式落实了。

目前接触的工作环境，大多是偏研发方向的实践场景。AI 辅助编程是个创业风口，各种 IDE 插件非常多，大家自己研究就行。比如我们公司的专业研发人员，开发过程中主要有三种方式来用 AI 工具：

1. 用网页版：比如前面提到的 Phind
2. 使用 IDE 插件：比如 GitHub Copilot，IDEA 和 VS Code 都支持，不同编程语言支持的功能可能不同
3. 用新的 IDE：比如前面提到的 Cursor

由于我自己不是专业研发，研发人员的具体场景就不多说了，毕竟不专业。如果想看别人怎么在开发中用 AI，欢迎参考其他专业人士的分享。接下来，我只分享自己实际使用中的场景。

场景一：写单元测试

先额外强调一点：在单元测试场景中借助 AI，只能起到搭建 UT 代码框架的作用——即根据代码生成要覆盖的分支及说明。所以用 AI 仅限于提高 UT 编写效率。最终还是要人工整理分支覆盖、解决编译错误、调整输入、完善 Assert 等步骤。

在单元测试过程中，我一般直接用 Phind。前面也提过，它的 UT 可解释性不错。Phind 需要手动复制代码，所以我一般会提前手写一个 UT 类（包括 import 和依赖 bean 定义），再把生成的 UT 复制进去，减少编译错误。

如果觉得复制代码麻烦，也可以直接用 IDE 类型的工具，比如 Cursor。选中代码后直接输入 Prompt 就能处理。

除了上面这些，单元测试场景中还有 Diffblue Cover、Machinet（两者都免费、国内直接可用、能生成完整 UT 类）、Tabnine（Beta 阶段）、Bito（免费、国内直接可用）等众多产品。选一个顺手、合适的就好。

场景二：Code Review

在做 Code Review 时，我完全是把 AI 当作一个“课代表”角色来用的。

比如代码解读总结时，看源码或者复杂代码，我会直接用 AI 工具做粗略总结。

在代码审查与优化环节，代码写完后也会用 AI 检查一遍。机器有时候确实比人更细心。这个过程我一般用 IDE 模式的 AI 工具，比如 Cursor，不用额外 copy 代码，直接操作就行。

这段时间实践下来，慢慢体会到了 AI 的能力。机器学习是机器向人学习的过程，但反过来，我们也可以从 AI 的反馈中去观察、去体验它能创造的价值。未来世界发展一天比一天快，我们没法预测，能做的就是享受当下。