从 ChatGPT 发布开始，我就一直在使用大模型写代码。其实，当时 ChatGPT 的编程能力还不是很强。只要需求稍微复杂一点，生成的代码就不太可靠。那时我仍以手写代码为主，AI 主要用于查资料和处理一些简单问题。
后来我又陆续用过 GPT‑ 和 Claude，此后也一直程序员路在何方？" src="/uploads/images/157.jpg"/>
信息需要补充，并根据现有代码提出方案。经过几轮讨论以后一般就能把实现方案确定下来。
方案确定后我再让 AI 完成实现。代码修改以后它还要继续运行相关测试和检查，能实际执行的功能也尽量自己运行一遍。怎么说呢，如果中间发现问题，就。按理说，
现在我基本都是按照这个流程来开发需求。我不会把需求交给 AI 以后就完全不再参与。话说回来，对于影响较小的改动，我会主要检查测试和最终效果；涉及主要业务、安全、性能或者数据变化时再进一步查看具体实现和影响范围。
AI 有时会一次修改很多文件。如果每次都从头到尾逐行检查，Review 会花费大量时间。我通常会先了解这次修改涉及哪些业务流程和模块，再结合代码改动、自动化测试和实际运行结果进行检查。不过，
在过去一两年里很多程序员的工作方式都发生了差不多变化。
因为 AI 能够承担越来越完整的开发任务。
我也开始思考：如果探索、实现和验证都可以交给 AI，那么程序员以后还能做什么？话说回来，
Vibe Coding 改变了什么
以前我主要用 AI 帮我写代码。但现在我会把一项完整的开发任务交给 Coding Agent。让它从分析问题开始，一直做到实现和验证。
以前如果要开发一个自己不熟悉的功能。通常需要先查资料、读文档、找示例，接下来再一点点把代码写出来。如果中间遇到问题，还要继续搜索资料并反复调试。在整个过程中，查找资料和调试花费的时间最多。真正花在写代码上的时间反而比较少。
现在这些工作有很大一部分可以先交给 AI。无论是实现新功能、分析 bug，还是理解现有项目，只要把目标和相关背景描述清楚。AI 就可以自己查找项目代码、尝试实现、运行检查并继续修改。对于需求比较明确的开发任务，我通常会直接把需求交给它。让它一直做到功能可以运行、相关测试通过为止。
在适合 AI 的任务中。开发成本降低以后团队有机会在相同时间内完成更多功能，代码变更也会变得更加频繁。但开发速度提高，并不代表就能提高产品的交付质量。如果需求分析、代码审核、测试和发布流程没有跟上。一些没有经过充分测试的改动就可能进入生产环境，导致产品问题频发。
而且功能实现得越容易，团队越有可能跳过需求评审而直接开始开发。以前一个需求要投入几天甚至几周，大家通常会认真考虑是否值得做。现在开发成本降低了更需要在开始之前判断这个需求能不能解决实际问题，避免最终做出一个没有价值的功能。
以前程序员会把大量时间花在写代码上。因为很多开发工作可以交给 AI 完成，程序员需要把更多精力放在分析需求、设计方案和验证结果上。
如果 AI 只是在对话中生成一段代码，这种使用方式仍然比较接近最初所说的 Vibe Coding。现在的 Coding Agent 已经可以自己查找项目文件、制定方案、修改代码、运行测试和排查错误。有人把这种工作方式称为 Agentic Engineering，它与以前最大的区别。不是生成的代码更多了而是 AI 开始能够独立完成一段比较完整的开发流程。
现在一项需求的流程可以变成：先由人明确需求和验收条件，再让 AI 探索项目、制定方案、完成实现并自己验证。人不需要接手每一个中间步骤。只需确认方案有没有偏离目标，还有结果是不是符合预期。老实说，
不懂开发的人能不能做出产品
一个完全不懂软件开发的人。也可以通过 Vibe Coding 做出网站、App 或者小程序。话说回来，
网上经常可以看到“不会写代码。几个小时做出一个产品”这样的标题。在当前 AI 能力下对于简单需求与现成服务。可在数小时内完成页面搭建、数据库集成还有登录等基础功能，并部署至云网站。但这往往只是演示 Demo，并未覆盖真实使用场景中的稳定性与安全性。
等真正有人开始使用后就会发现 Demo 与产品存在差距。例如使用者重复点击产生重复数据；网络中断导致页面状态与后台不同步；更新操作后原数据读取失败。这时需要去查日志核对数据，以定位根本原因——这正是程序员必须介入的问题所在也是痛点之一：缺乏监控与告警导致错误被忽视。
小项目不一定需要一次性搭建完整监控程序。可以先保留必要日志与定期备份，并确保发布错误可恢复。当使用者数量增长或故障频发时再根据实际情况补充工具与流程，从而降低维护成本——这正是公司面临的一大挑战：资源有限却需保证稳定运营。
AI 时代更需要软件工程
用可交互 Demo 确认需求
Ai 驱动下可交互 Demo 的快速迭代明显改变了产品经理–设计师–工程师之间的信息流通方式。从传统文档到可操作界面大大缩短了从概念到体验再到反馈循环所需时间，却也带来了新的痛点：如何确保 Demo 与正式实现保持一致？如何避免因为缺乏自动化回归导致 UI/UX 失真？
把项目规则写进文档
-
痛点：缺乏统一规范导致多版本混乱；AI 在无上下文情况下易产生冲突或误删关键逻辑；团队成员迁移造成知识碎片化。
实例建议这方面，
-
{ code,message。data } 统一返回格式规范放于/docs/api.md
-
/docs/architecture.md 说明数据库访问层责任分工
-
/AGENTS.md 列出所有 Agent 可调用工具列表与权限约束
把关键规则变成自动检查
-
痛点：人工 Review 易忽视细节；不过，CI 通知模糊导致修复延迟；规则被忘记或误解而引发安全漏洞或性能瓶颈。
说到实践，
-
Linter & Static Analysis 自动检测“Controller 不直接访问 Repository”。若违规 CI 自动失败并提示正确方法.
-
AUTOTEST 包含幂等性 & 数据一致性校验，以防支付/订单状态错误.
把 UI 规范整理清楚
-
痛点：多名 Engineer 使用同一套工具但产出风格不一致；UI/UX 一致性难以维护；视觉风格漂移导致品牌形象受损.
再看解决方法，
-
Create a Design System repo with component library & styling guidelines.
AIs pre-run a “style-check” script against design system before committing new UI changes.
PR 要容易评审
-
痛点：大型 PR 包含多项改动导致 review 时间翻倍；风险难以定位且无法快速 rollback.
测试不能只根据实现来写
<
请注意！在此处加入关于为什么单纯基于实现生成单元测试可能掩盖业务逻辑错误的小结。例如的观点是，* 如果订单退款逻辑错误。AI 基于当前实现场景自动生成断言 `order.status == 'completed'` 并通过这代表着业务层面全错。* 为避免此类风险，在生成单元测试前应先提供 **业务规则** 与 **验收标准** 给模型。接下来再让其产生对应覆盖异常场景还有主要流程。* 单元 + E2E 是双重保险：单元关注边界值/异常方法，而 E2E 验证整体流程是否按预期走通。
⚠️ 在生产环境中出现未覆盖异常方法可能导致程序崩溃或安全漏洞，请务必开启完整回归+监控链路。
AI 自己验证以后人还要验收
A B test example:: Suppose we want to verify that new checkout flow increases conversion rate by at least 5%. Run A/B test for 7 days and compare metrics before and after deployment.
The results show that while new flow increases overall visits,it actually reduces purchase completion by 8% in high‑traffic regions.
This indicates that front‑end design is fine but back‑end logic needs to be fixed.
The key takeaway is that after an agent runs all automated checks you still need to manually confirm that it did what you expected.
(If you use a continuous delivery pipeline that automatically merges any
automated‑check‑passed …，…)
Merging policy:: For low risk changes merge directly if CI passes.
For high risk changes,always do a manual review of both code and business impact before merging.
In eir case make sure your release process has proper roll‑back and monitoring hooks so you can recover quickly if something goes wrong.
This two‑step verification ensures you don’t blindly trust “pass” from an LLM while still safeguarding real business value.
.
SEO优化服务概述
作为专业的SEO优化服务提供商，我们致力于通过科学、系统的搜索引擎优化策略，帮助企业在百度、Google等搜索引擎中获得更高的排名和流量。我们的服务涵盖网站结构优化、内容优化、技术SEO和链接建设等多个维度。
百度官方合作伙伴
白帽SEO技术
数据驱动优化
效果长期稳定
SEO优化核心服务
网站技术SEO
- 网站结构优化 - 提升网站爬虫可访问性
- 页面速度优化 - 缩短加载时间，提高用户体验
- 移动端适配 - 确保移动设备友好性
- HTTPS安全协议 - 提升网站安全性与信任度
- 结构化数据标记 - 增强搜索结果显示效果
内容优化服务
- 关键词研究与布局 - 精准定位目标关键词
- 高质量内容创作 - 原创、专业、有价值的内容
- Meta标签优化 - 提升点击率和相关性
- 内容更新策略 - 保持网站内容新鲜度
- 多媒体内容优化 - 图片、视频SEO优化
外链建设策略
- 高质量外链获取 - 权威网站链接建设
- 品牌提及监控 - 追踪品牌在线曝光
- 行业目录提交 - 提升网站基础权威
- 社交媒体整合 - 增强内容传播力
- 链接质量分析 - 避免低质量链接风险
SEO服务方案对比
| 服务项目 |
基础套餐 |
标准套餐 |
高级定制 |
| 关键词优化数量 |
10-20个核心词 |
30-50个核心词+长尾词 |
80-150个全方位覆盖 |
| 内容优化 |
基础页面优化 |
全站内容优化+每月5篇原创 |
个性化内容策略+每月15篇原创 |
| 技术SEO |
基本技术检查 |
全面技术优化+移动适配 |
深度技术重构+性能优化 |
| 外链建设 |
每月5-10条 |
每月20-30条高质量外链 |
每月50+条多渠道外链 |
| 数据报告 |
月度基础报告 |
双周详细报告+分析 |
每周深度报告+策略调整 |
| 效果保障 |
3-6个月见效 |
2-4个月见效 |
1-3个月快速见效 |
SEO优化实施流程
我们的SEO优化服务遵循科学严谨的流程，确保每一步都基于数据分析和行业最佳实践：
1
网站诊断分析
全面检测网站技术问题、内容质量、竞争对手情况，制定个性化优化方案。
2
关键词策略制定
基于用户搜索意图和商业目标，制定全面的关键词矩阵和布局策略。
3
技术优化实施
解决网站技术问题，优化网站结构，提升页面速度和移动端体验。
4
内容优化建设
创作高质量原创内容，优化现有页面，建立内容更新机制。
5
外链建设推广
获取高质量外部链接，建立品牌在线影响力，提升网站权威度。
6
数据监控调整
持续监控排名、流量和转化数据，根据效果调整优化策略。
SEO优化常见问题
SEO优化一般需要多长时间才能看到效果？
SEO是一个渐进的过程，通常需要3-6个月才能看到明显效果。具体时间取决于网站现状、竞争程度和优化强度。我们的标准套餐一般在2-4个月内开始显现效果，高级定制方案可能在1-3个月内就能看到初步成果。
你们使用白帽SEO技术还是黑帽技术？
我们始终坚持使用白帽SEO技术，遵循搜索引擎的官方指南。我们的优化策略注重长期效果和可持续性，绝不使用任何可能导致网站被惩罚的违规手段。作为百度官方合作伙伴，我们承诺提供安全、合规的SEO服务。
SEO优化后效果能持续多久？
通过我们的白帽SEO策略获得的排名和流量具有长期稳定性。一旦网站达到理想排名，只需适当的维护和更新，效果可以持续数年。我们提供优化后维护服务，确保您的网站长期保持竞争优势。
你们提供SEO优化效果保障吗？
我们提供基于数据的SEO效果承诺。根据服务套餐不同，我们承诺在约定时间内将核心关键词优化到指定排名位置，或实现约定的自然流量增长目标。所有承诺都会在服务合同中明确约定，并提供详细的KPI衡量标准。
SEO优化效果数据
基于我们服务的客户数据统计，平均优化效果如下：
行业案例 - 制造业
- 优化前：日均自然流量120，核心词无排名
- 优化6个月后：日均自然流量950，15个核心词首页排名
- 效果提升：流量增长692%，询盘量增加320%
行业案例 - 电商
- 优化前：月均自然订单50单，转化率1.2%
- 优化4个月后：月均自然订单210单，转化率2.8%
- 效果提升：订单增长320%，转化率提升133%
行业案例 - 教育
- 优化前：月均咨询量35个，主要依赖付费广告
- 优化5个月后：月均咨询量180个，自然流量占比65%
- 效果提升：咨询量增长414%，营销成本降低57%
为什么选择我们的SEO服务
专业团队
- 10年以上SEO经验专家带队
- 百度、Google认证工程师
- 内容创作、技术开发、数据分析多领域团队
- 持续培训保持技术领先
数据驱动
- 自主研发SEO分析工具
- 实时排名监控系统
- 竞争对手深度分析
- 效果可视化报告
透明合作
- 清晰的服务内容和价格
- 定期进展汇报和沟通
- 效果数据实时可查
- 灵活的合同条款
我们的SEO服务理念
我们坚信，真正的SEO优化不仅仅是追求排名，而是通过提供优质内容、优化用户体验、建立网站权威，最终实现可持续的业务增长。我们的目标是与客户建立长期合作关系，共同成长。
