有界限的“氛围式编程”——如何在AI时代构建应用

有界限的“氛围式编程”

“氛围式编程”（即向AI描述您想要的功能，然后让它生成代码）的概念已经激发了开发者的想象力。其成果令人印象深刻：从简单的描述中具现化的功能原型、无需与语法斗争即可实现的复杂算法，以及无需繁琐CSS调整即可组装的UI界面。

然而，任何尝试过这种方法的开发者都不可避免地会遇到其局限性。经过几轮提示后，最初的简洁实现往往会变得难以驾驭。细微的bug悄然出现，且越来越难以解决。轻松开发的承诺最终让位于熟悉的挫败感——现在还加上了您自己没有编写的代码所带来的困扰。

2025年的现实是，开发者仍然需要理解他们交付的代码。AI可以显著加速开发，但它（目前）还不能取代使应用程序健壮和可维护的批判性思维和系统设计技能。

那么，在利用这些强大新工具的同时，构建全栈应用程序的最佳方法是什么呢？

理解AI工具的范围

AI编码工具存在于一个抽象光谱中，每种工具都提供不同程度的协助和控制。选择哪种工具取决于您自身的经验和个人目标。

让我们仔细看看这些抽象级别，以及如何定位最流行的AI软件开发工具。

低层：AI辅助代码编写

在抽象层级底部的是那些帮助您更高效地编写代码而不改变您基本工作流程的工具。

• Claude Code：一个与您的终端集成的AI助手，作为对自然语言作出响应的结对程序员。
• Windsurf/Cursor：专门围绕AI辅助构建的IDE，在提高编码体验的同时让开发者保持完全控制。
• GitHub Copilot：随VS Code附带的“AI结对程序员”。

这些工具通过直接集成到开发者熟悉的工作流程和工具中来协助编写代码。它们特别适用于生成样板代码、编写“胶水代码”（如基本的CRUD操作或DTO）或实现测试等工作流程。

中层：提示优先并可访问代码库

该光谱的中间部分是那些以提示为主要界面但允许您直接修改生成代码的工具。这通常通过将您的代码“弹出”到GitHub仓库中实现，您可以在需要时进行手动更改。

这类工具的例子有：co.dev, Lovable, v0, Replit, Bolt, …

这些方法在将大部分工作交给AI处理的同时，在需要时保持精确控制，从而达到了平衡。

高层抽象：“无代码”AI平台

在最高的抽象层级是那些在过去几年中出现的“无代码”应用构建工具的演变平台。

• Bubble.io：一个带有AI辅助的可视化编程平台。
• Glide：通过AI驱动功能从电子表格创建应用程序。
• Gamma：通过自然语言构建交互式演示文稿和轻量级应用。

虽然这些工具在简单的用例中（如基本的CRUD应用程序或定义明确的单一任务应用程序，例如待办事项应用、国际象棋游戏或个人日程跟踪器）能最大限度地提高生产力，但它们不提供直接自定义代码的路径，因此不适用于需求更复杂的应用程序。

代码与基础设施：AI无法帮助的领域

尽管AI在代码生成方面已变得非常强大，但应用程序开发中有一个关键组成部分是它无法取代的：您的代码将运行的计算基础设施以及存储基础设施。

无论您的AI生成应用程序运行得多么好，它仍然需要一个实际运行的地方。您需要

• 可靠执行代码的计算资源
• 以适当保障维护数据的存储系统
• 安全连接组件的网络基础设施

像Vercel这样的平台提供了计算基础设施并使您的应用程序部署变得简单——然而，您的应用程序仍然需要与数据库交互。

运行在重量级操作系统上的传统数据库由于其高资源消耗、配置开销和缓慢的冷启动，不适合现代AI软件开发时代。

Prisma Postgres：为AI开发时代设计的数据库

这正是像Prisma Postgres这样的解决方案提供特殊价值的地方！Prisma Postgres是首个基于高效unikernel构建的无服务器数据库，旨在单台机器上运行数千个实例。

它提供了开发者所需的可靠性，同时又没有AI无法抽象掉的运维复杂性。当AI帮助您更快地进行代码生成时，您需要能跟上这种速度的基础设施——可扩展、按需供应且只需最少配置。

要试用Prisma Postgres，只需在您的终端中运行此命令

Prisma Postgres还通过模型上下文协议（MCP）直接与您喜爱的LLM和AI编码环境集成。

只需使用此JSON代码片段将其添加到您所需AI工具的MCP配置中

在Prisma Postgres文档中了解更多信息。

何时使用AI？

尽管AI在编写代码方面已变得异常强大，但它（目前）尚未取代开发者。理解AI的优势和人类专业知识仍然至关重要的领域，是有效使用AI工具的关键。

让我们来看看抽象光谱低端AI工具（如Cursor、Windsurf、GitHub Copilot等）非常适合的一些用例和场景。

例行和单调的任务 / 胶水代码

实现CRUD操作、设置身份验证流程或创建标准API端点等任务都遵循AI可以可靠复制的既定模式。这些是委托给AI助手的完美选择，让您能够专注于开发的更具创造性的方面。

按规范编码

当您有明确的需求和规范时，AI可以高效地将它们转化为可工作的实现。对于具有明确输入、输出和行为的特性尤其如此。

快速原型设计

AI在快速创建功能原型方面表现出色，这些原型可以演示概念和验证想法。在探索想法或与用户测试新功能时，AI生成的代码可以显著加速反馈周期，即使您计划为生产环境重构，或者只是用低质量的“一次性代码”构建初始版本。

您仍然需要理解您的代码（目前是这样！）

AI代表着编程抽象阶梯上的下一步——从机器码到汇编语言，再到高级语言、框架，现在是自然语言界面。支配先前过渡的相同规则也适用于此处

• 更高的抽象可以提高生产力：用自然语言描述功能比逐行编写代码更快。
• 但抽象会泄漏：当出现问题时（而且它们会的），理解抽象之下发生的事情变得至关重要。
• 调试复杂性并未消失：随着您指定的内容与实际实现之间的差距扩大，调试复杂性通常会增加。

最有效的开发者将AI视为一个强大的工具，而不是理解的替代品。他们利用AI加速开发，同时对生成的代码保持足够的了解，以便随着时间的推移对其进行调试、优化和维护。

结论

在AI时代构建全栈应用程序并非盲目通过提示生成代码，而在于找到AI加速和人工监督之间的正确平衡。

在这个新时代，最成功的开发者将是那些

• 在保持架构控制的同时，将AI用于适当的任务
• 选择与AI加速开发相辅相成的基础设施
• 理解他们交付的代码，即使并非每一行都是亲手编写
• 使用类型安全工具，如Prisma ORM，为人类和AI编写的代码提供保障

随着AI能力的不断发展，这种平衡将会发生变化。但目前，成功的策略是结合两者的优势：人类开发者的创造力和判断力与AI助手的速度和模式识别能力。