AI 辅助编程
AI-assisted programming
学到 会用 就够：能亲手用起来
你可能会说
“我想借 AI 学着写一段清洗脚本，但希望自己仍看懂逻辑；怎样让它成为可以核验的协作者，而不是只会复制粘贴的答案来源？”
AI 辅助编程是人使用模型帮助解释、生成、修改或审查代码的广义做法，人的理解与验证程度可以很高；它不必采取自主智能体或氛围编程方式。
使用 AI
科研里的例子
让 AI 写一个变量标准化函数，同时用含缺失值、常数列和正常数列的例子解释结果；你读懂并核验后再加入分析脚本。
辅助范围从补全表达式、解释报错到生成测试和比较实现，关键在开发责任与验证方式。把输入输出、异常和可接受改动说清，要求小步修改并检查差异，有助于保持可理解性。科研代码还要记录依赖、数据口径与执行顺序，以便后来复现。模型解释可以帮助学习，但其对库函数或统计方法的说法仍可能过时，应对照当前文档与实际行为。
在你的学科里，直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
查错并交付能核验的修复
请定位问题并给最小修复。 代码与环境：[粘贴] 输入样例：[不含私密信息的小样本] 实际错误或输出：[粘贴] 我期望：[填写] 先区分已观察事实与可能原因，优先用最小样例验证。解释根因，给最小差异和有意义的检查。没有实际运行权限时明确标为未运行建议，不把推测写成测试通过。若修改会影响研究规则或结果，指出具体影响，不顺手重构无关部分。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG09
判断
亲手检查一次
要求改动尽量局部，逐项检查差异和边界样例，记录运行环境；关键步骤能自行说明输入、处理逻辑与输出含义后再使用。
它做不到的
使用 AI 不等于放弃代码责任，也不能用漂亮解释证明实现正确；库版本和研究语境会影响方法是否适用。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Simon Willison — Not all AI-assisted programming is vibe coding2026-11-06 核对
- Claude Code — Overview2026-11-06 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。