• AI 编程工具正在成为资本和企业押注的“下一代开发界面”。例如 Cursor 在 2025 年底披露的新一轮融资和增长数据，把“AI-native 开发环境”推到了聚光灯下。

• 甚至连招聘评估都在朝“会不会跟 AI 协作”倾斜：McKinsey 在毕业生招聘中加入与内部 AI 工具协作的环节，考察的是候选人如何借助 AI 推理、组织表达、做判断，而不是单纯“会不会”。

AI Coding使用Tips与使用心得分享

这一期我们会聊什么？

• AI Coding，更多是在“写代码”，还是在“搭上下文”？

• 把 AI Coding 用在什么场景最赚？（新功能、修 bug、重构、写测试、做 PoC、写脚手架……哪类最适合？）

• AI Coding“工作流”怎么搭？（IDE/插件/代理/终端/PR 流程怎么配合，怎么减少来回折腾）

• 怎么写需求/上下文，AI 才不会“写得很像但全是幻觉”？

• 如何让 AI 生成的代码“可维护、可 review、可上线”？（结构、约束、断言、测试、日志、边界条件）

• AI Coding踩坑复盘：最常见的翻车模式是什么？（误改、引入隐性 bug、依赖混乱、权限与数据泄露风险等——尤其是代理型工具带来的新风险）

• 当一个人 AI coding 起来很爽，团队怎么保证一致性、代码质量和责任归属？

🎙️ 对谈嘉宾阵容

• Lightman Wang｜匠人学院创始人

• Kitman Yiu｜Compass Education , Software Developer，@Nine

• Kevin Bai | 曾在 Qualcomm 担任 多年Staff Field Application Engineer，Tech Lead，QUT在读硕士

• Rick | Jobpin AI ，Founding AI Engineer

• Alex | AI Engineer训练营学员，Luma Video AI项目组长（19人团队）

适合谁来？

• 开发/工程师：已经在用或准备开始用 AI 辅助编码，想提升效率但又怕把团队带沟里

• Tech Lead / Senior：关心质量、可维护性、review 成本、责任边界，想听真实一线经验

• 在读/应届/转码：想了解“真实工作里大家怎么用 AI 写代码”，而不是只看教程视频

你能带走什么？

• 一套可复用的 AI coding 工作流（从“写需求”到“落地代码”再到“验证与提交”）

• 一份更真实的 踩坑地图：哪些坑最常见、怎么提前规避、翻车后怎么收拾

• 一个更稳的判断：哪些任务用 AI 是加速器，哪些任务必须收刀、回到工程基本功

活动信息

如果你已经在用 AI coding：来分享你最干货的经验和实操

如果你还没用：来听一线工程师怎么用、怎么避坑、怎么把它变成真正的生产力。