总结来看，卡帕西使用AI辅助编程可分为4个阶段，75%使用Cursor编辑器自动补全代码功能，其次使用大模型修改某段具体代码，第三层使用Claude Code、Codex等独立AI编程工具，实现较大功能模块；最后使用GPT-5 Pro解决最难的问题，他将GPT-5 Pro称为“最后一道防线”。 这是因为，当下，开发者无法基于单一编程工具满足所有开发需求，且这些工具擅长的点各有不同，包括Cursor编辑器善于自动补全代码，但需频繁重启；独立AI编程工具可以针对开发者不了解内容编程，但需要定期清理代码、调整风格、处理代码审美等；GPT-5 Pro则能处理最难的问题，10分钟分析出人类、Cursor、Claude Code都找不到的隐蔽bug。 这是因为，卡帕西发现自己在代码的正确位置写下具体的代码片段或注释，是向大模型传递“任务需求”的高效方式，也就是说，关键在于精准传递任务细节。如果用文字描述其想要实现的效果，不仅需要大量表述，还会产生明显延迟；而直接在代码里、在正确位置演示需求，速度则快得多。 第三层用法是，他会在Cursor编辑器之外，运行Claude Code、Codex等独立的AI编程工具。这种情况一般是，他遇到需要实现较大功能模块，且用提示词比较容易说清需求的场景。 对于这些工具的评价，卡帕西说，这些工具确实帮了大忙，但整体用下来体验有好有坏，偶尔还会让人有点烦。他不会使用“无需每一步确认模式”（YOLO mode），因为这些工具很容易跑偏，写出他根本不想要、也不需要的冗余内容，所以经常需要按ESC键中断生成。 其中的问题包括，他无法高效实现CLAUDE.md文档的维护、更新，必须经常花时间做“代码清理”、调整代码风格或者处理“代码审美”相关问题。 比如，这些AI工具写代码时防御性过强，会滥用try/catch语句；把抽象逻辑搞复杂；把代码写得臃肿冗余，很多时候用列表推导式或者一行if-else就能解决的问题，偏要写嵌套的if-else结构；重复写好几段相似代码，没有将其封装成一个简洁的辅助函数。 但卡帕西提到，在某些场景下，这些工具又必不可少：比如当他需要Vibe Coding（氛围编程），且对相关领域不太熟悉的时候。他提到像他最近写Rust代码、写SQL命令，或是其他平时很少接触的内容时，这些AI编程工具就能派上大用场。 他还试过让Claude Code在写代码的同时教他一些知识，但这个工具满脑子就只想写代码，不愿意花时间在过程中解释任何内容。他之前还让Claude Code帮忙做超参数调优，结果过程特别有意思，但效果并不好。 卡帕西还提到一些场景，这些工具的作用也十分突出，比如需要各种低风险一次性的自定义可视化图表、小工具或调试代码。因为这些工具过于浪费时间。他举了一个例子，为了定位某个特定bug，Claude Code能快速写出1000行专门的可视化代码或调试代码，找到bug后就可以全部删掉这些代码。 他认为，现在已经是代码过剩时代，开发者完全可以先写出成千上万行高度定制化、用完即弃的代码，代码早已不是那种“写出来就很珍贵、成本很高”的东西了。 他提到，有很多次，他本人、Cursor编辑器、Claude Code都卡在一个bug上且10分钟都没进展，而当他把完整代码复制粘贴给GPT-5 Pro后，它花了10分钟分析，然后就找出了非常隐蔽的bug。卡帕西认为，GPT-5 Pro的能力确实很强，还能检索到各种生僻的文档、学术论文之类的资料。 对于GPT-5 Pro的其他用途，卡帕西称也会用它处理其他更复杂的任务，比如让它给代码抽象逻辑的优化提建议，但效果有好有坏，有时候能给出不错的想法，但不是所有建议都有用；或者让它围绕“某个技术的实现方法”做一次完整的文献调研，它最后会返回相关度很高的参考资料和信息来源。 总之，卡帕西认为，在众多各有优劣的工具加持下，编程领域的可能性被完全打开了。不过，这也让人很容易产生一种焦虑感，担心自己没能跟上行业集体能达到的前沿水平。也正因为如此，才有了这周日洗澡时突然冒出来的一堆想法，同时我也特别好奇，其他人在实践中都有哪些发现。 评论区很多网友对卡帕西的工作流程表示认同，他们提到，部分工具可能有所不同，但基本都选择了拼接不同AI工作辅助编程的策略。 在评论区还有不少网友为卡帕西遇到的问题提建议：比如打造Context Engineer的Agent，帮助开发者更新Claude.md，或者为了避免Claude Code反复跑偏，要求它提供详细但简洁的问题总结，交给Grok解决；或者尝试语音转录说出指令等。 但在实际体验中，AI编程工具会面临编写错误、代码冗余等情况。从卡帕西分享的AI辅助编程流程以及评论区网友的互动可以看出，在AI编程工具发展尚处于初期，无法基于单一工具满足用户需求的情况下，开发者正通过拼接不同工具，发挥其在不同编程环节的优势，以实现高效、准确的辅助编程。
