两周体验：通过AI协助编码实现移动浏览器扩展迁移的实战探索

挖矿与质押

在现代软件开发中，如何提高开发效率和质量一直是工程师们不断探索的课题。随着大语言模型（LLM）和AI代理工具的兴起，越来越多的团队尝试借助AI辅助编码，期望借此简化繁琐的编码过程，加快产品上线速度。近期，João Freitas在他的个人博客中分享了为期两周的AI辅助编程实验，通过一个有趣的项目即将桌面浏览器扩展迁移至移动端的过程，详细展现了AI工具在实际开发中的优势和不足。本文将围绕这段实验经历，解析AI辅助开发的实践方法，探讨其带来的启示和面临的挑战，为广大技术从业者提供参考。 João所在的团队正处于一个具体的软件迁移任务——将一个基于桌面的浏览器扩展移植到移动设备。该扩展的主要功能相对简单，核心是扫描和下载图片。

不过，在移动端开发浏览器扩展存在天然局限性，例如iOS平台仅支持基于Safari Web Extension API的扩展，Android上则基本需要用户自行侧载应用。传统的迁移流程往往需要大量的手动代码重写和调试，但这次团队决定尝试利用AI代理辅助编码，看看能否突破传统瓶颈。 他们制定了严格的实验规则，要求完成一个可内部发布的版本，时间限制为两个工作周（十个工作日）。其中最为关键的限制是，手动编写和调试代码的时间不能超过20%，其余时间必须通过对AI代理的提示指令进行编码实现。为了实现这一目标，团队购买了Cursor的订阅服务。Cursor是一个能够根据需求自动选择最佳模型的AI编码工具，支持使用包括Claude、GPT等多款先进大模型，能够自动执行编码操作。

除此之外，团队还选择了熟悉且稳定的前端技术栈，如React、Styled Components和Webpack。通过在Cursor中预设系统规则，保证生成的代码不会偏离既定框架和项目配置，减少了后期兼容性问题。 整个项目启动后，最初的目标是快速实现一个端到端的原型。虽然最初设想可以在半天内完成，但现实中遇到了不小的挑战。Cursor多次尝试修复无法显示界面的问题，经过人工调查才发现，React组件的HTML生成正常，但UI库的CSS并未被正确导入到主样式文件content.css中。为解决该问题，开发者手动将UI库的CSS文件引入主CSS文件，才保证了界面样式的正确渲染。

由此可见，虽然AI辅助工具强大，但在某些环境和依赖的细节上仍然需要人为介入。 接下来五天的时间大多用于修复AI生成代码中的功能缺陷和视觉上的BUG，同时根据产品经理提供的设计要求对界面进行调整。值得一提的是，团队并未通过机器视觉直接传递设计稿的原始数据，而是通过截图的方式向Cursor提供视觉参考。尽管如此，Cursor依然表示出令人惊叹的推理能力和理解水平，能够快速还原设计的整体风格和页面结构。这个现象也让人们开始重新思考AI在图形界面生成中的潜力和局限。 最后三天则主要聚焦于功能的流程优化和需求的调整，确保迁移版扩展的核心功能运行符合产品期待。

在整个两周的周期内，即使有时Cursor在连续对话后响应迟缓，团队依然保持高强度地使用该工具推动开发进度，体现了AI作为虚拟编程伙伴的辅助能力。 通过这次实验，João总结了几大“亮点”体验。首先是快速的设计原型验证。相比传统人工编写，利用AI代理及时反馈的编码流程极大缩短了初期验证的时间，提高了开发效率。其次是自动化开发的体验令人惊艳。通过发出指令让AI代理主动执行决策和动作，就像拥有了一个超高效的虚拟助理，解放了开发者的双手和注意力。

再次，AI工具所展现的推理能力也极具价值。当给出有限的设计内容和业务环境时，Cursor能够主动提出潜在的需求和优化建议，帮助开发者从更宏观的角度审视项目。最重要的，是AI成为了开发中的长期“伙伴”，相当于一名全天候、细致入微的虚拟编程搭档，既能生成代码，也能担任代码审查的角色。借助这种工具，团队未来有望减少对通用库的依赖，让AI生成更多“胶水代码”，提升整体开发灵活性。 然而，实验的过程中也暴露出不少挑战和不足。首先，团队并未如期在两周内完成完全可发布的版本。

原本设定的用时配比（手动修复不超过20%）也无法达到，事实是超过半数时间花费在修复AI生成代码的缺陷上，提示工作也占据了接近一半的时间。这反映出当前AI工具还不能完全替代人工，错误恢复和改正依旧是不可忽视的成本。 其次，Cursor会话过长带来的效率降低也成为问题。经过十余条提问，响应速度明显减缓，开发者不得不反复重启聊天记录以保持流畅度。此类体验提醒我们，AI工具虽智能，但在会话管理和上下文保持方面依旧存在技术瓶颈。 不可避免地，AI生成代码中的幻觉问题仍然存在。

虽然新一代模型比起早期的版本降低了错误率，但对不常见的产品领域存有知识空白，也导致代码时常出现与项目无关或结构混乱的片段。开发者甚至时刻担心AI会在无监督下删除关键文件，尽管有系统规则防止此类灾难发生。 最后一个挑战是“人机协作”的心态变化。João坦言，长时间依赖高效快捷的AI生成结果令他在写提示语时变得越来越宽松，甚至在面对错误时只简单要求“修复”，缺乏仔细推敲。这种“懒惰心态”反映了AI工具虽能赋能，但同时也可能让工程师在思考深度和严谨性上产生懈怠。 综合来看，这次为期两周的AI辅助编程实践，是对未来软件开发方式的一次有力探索。

对于新项目和绿色场景，AI工具能够极大促使快速原型和功能实现，但对于传统遗留项目则可能弊大于利。通过合理的工具配置，配合工程师的积极维护和正确心态，AI辅助一定能成为提升生产力的得力帮手。相较于订阅费用，这种工具的长远价值显而易见。 未来，AI在软件开发领域的应用将更加广泛。利用代理模型作为离线的自动化机器人，帮助工程师持续完善和测试代码，无疑是下一步发展的核心方向。同时，如何设计合理的人机合作机制，避免人工懈怠，保证产品质量，将是所有技术团队需要共同面对的课题。

从实践中汲取经验，我们看到AI辅助编码既呈现了颠覆性潜能，也揭露了技术和流程上的不足。对于希望融合AI力量的开发者来说，理解这些利弊，灵活调整开发策略，才是走向未来软件创新的保障。João Freitas的实验给我们带来的，不仅是技术上的启示，更是关于人机共舞的深刻思考。