我观察了身边用 AI 写代码的前端同事，发现大家的使用深度大致分三层：

第一层：对话式生成（90% 的人停在这里）

打开 Copilot/ChatGPT/Cursor Chat，描述需求，拿到代码，复制粘贴。

特点：

• 每次都是一次性对话
• 上下文靠手动提供
• 生成质量取决于你当次 prompt 写得好不好
• 无法复用、无法团队共享

这一层的天花板很低。你本质上是在用一个"高级搜索引擎"。

第二层：规则化约束（大概 8% 的人在这里）

配置 .cursorrules / steering 文件 / system prompt，让 AI 自动遵守项目规范。

特点：

• 上下文自动加载，不用每次手动喂
• 生成的代码天然符合团队规范
• 可以团队共享，新人也能立刻获得"老人的经验"
• 但还是需要你手动触发每个任务

这一层已经比第一层效率高很多了。但还是"人驱动 AI"。

AI 使用深度三层模型可视化

为了更好地理解这三层AI使用深度的关系，下面用Mermaid图表展示其演进路径：

第三层：流程自动化（不到 2% 的人在这里）

为了更清晰地展示第三层的流程自动化概念，下面是"需求开发全流程"的详细流程图：

关键转变：从"让AI写代码"到"让AI管理开发流程"。

把开发流程拆成步骤，每个步骤定义好输入输出，AI 按流程自动执行。

举个例子，我定义了一个"需求开发全流程"：

需求分析 → 设计文档 → 代码开发 → AI CR → 单元测试 → 提测文档

每一步：

• 有明确的输入（上一步的输出 + 额外的参考文件）
• 有明确的输出格式（markdown 文档 / 代码文件 / 测试用例）
• 有质量检查（AI 自己 review 自己的输出）

我只需要在第一步给一个 PRD 链接，后面的步骤 AI 自动串联执行。每一步我可以审核、修改、或者跳过。

这不是"让 AI 写代码"，这是"让 AI 管理开发流程"。

大部分人觉得 AI 辅助开发就是"AI 帮我写代码"。但真正的效率提升来自于：把你脑子里那套"拿到需求后怎么一步步做"的隐性知识，显性化成 AI 可执行的流程。

你的经验不会因为换了个项目就失效，不会因为带了新人就要重新教一遍。它变成了一个可复用的"开发操作系统"。

💬 你觉得自己在哪一层？想往上走的话，最大的障碍是什么？