如何让AI成为你的超级助手——GLM Coding两步法实战

如何让AI成为你的超级助手——GLM Coding两步法实战用了这么久AI发现大部分人要么不会问要么问得太细。真正的AI高手都是分两步走没想清楚时用来迭代思考想清楚后直接让它写代码。问题背景去年年底我想写一篇关于手写B树的技术文章。按照我以前的习惯得先翻书、查文档、自己实现一遍再总结成文大概需要一周时间。但这次我换了个思路先用AI帮我梳理思路再让它生成代码。结果3天就搞定了。而且文章质量比我自己写还要好。为什么因为AI的知识量比我大、理解比我深关键是我会提问。误区要么不会问要么问得太细误区1不会问典型的对话是这样的你帮我写个排序算法 AI好的这是冒泡排序然后呢然后就没然后了。你只给了个模糊的需求AI给了个标准的答案。但这个答案可能不是你想要的。误区2问得太细你定义一个class叫BubbleSort实现方法sort参数是int[]要有flag优化注释写没有交换提前退出边界条件处理...你把所有细节都自己想好了AI只是个代写工具没必要用它。正确的两步法第一步没想清楚时——用来迭代思考核心是让AI帮你梳理思路但最终决定权在你手里。实战场景手写B树文章你的目标写一篇关于手写B树的文章但没有具体思路。你的提问你我想写一篇关于手写B树的文章但我还没想好结构你能帮我梳理一下吗 AI好的我们可以从这几个角度入手 1. 节点设计内节点和叶子的区别关键字存储方式 2. 查找逻辑如何通过关键字找到数据范围查询怎么做 3. 插入分裂节点满时如何分裂如何调整父节点 4. 删除合并节点空时如何合并如何回收关键字 5. 应用场景什么时候需要手写B树和HashMap、红黑树的区别 你这些角度听起来不错。但我觉得重点应该放在节点设计和插入分裂上删除合并可以简单带过。 AI没问题那我们可以调整结构 - 节点设计详细讲包括双向链表实现 - 查找逻辑详细讲等值查询、范围查询 - 插入分裂详细讲这是核心难点 - 删除合并简要带过 你还需要个例子吗 AI可以举个例子比如一个学生成绩表的B树索引展示如何插入一个学生记录。 你这个例子很好。那怎么组织语言 AI建议用问题→分析→实现→验证的结构 1. 先说为什么要用B树场景痛点 2. 再讲节点设计怎么存数据 3. 然后讲查找逻辑怎么查数据 4. 再讲插入分裂怎么维护索引 5. 最后做个总结 你这个结构很清晰。开始吧。 AI好的那我们先从节点设计开始...结果你不需要自己想结构AI帮你梳理了思路。但最终采用哪些内容、怎么组织语言都是你决定的。第二步想清楚后——直接让它写代码核心是你已经知道要做什么只让AI帮你实现。实战场景生成代码框架你的准备已经确定了技术方案B树节点设计、查找逻辑、插入分裂已经想好了代码结构Node类、BPTree类、Table类只需要具体实现你的提问你我写个B树需要 1. Node类包含关键字、子节点、前驱后继 2. BPTree类提供insert、delete、search方法 3. 测试代码插入10条数据然后查询 GLM Coding好的这是完整的代码实现 [AI生成代码] 你这段代码有个问题search方法的时间复杂度太高了改成二分查找。 GLM Coding好的已修改 [AI重新生成代码] 你再优化一下内存使用entries数组改成ArrayList。 GLM Coding好的已优化 [AI再次生成代码]结果你负责设计AI负责实现。效率比传统开发高10倍。GLM Coding的优势1. 中文理解更自然// AI生成的代码注释是中文的/** * 插入记录到B树 * param key 关键字 * param value 值 * return 是否插入成功 */publicbooleaninsert(Comparable key,Object value){// 你的代码逻辑}2. 对国内技术生态更熟悉GLM Coding知道国内常用的技术栈Spring Boot、MyBatis微服务架构分布式系统云原生技术3. 速度更快成本更低GLM Coding生成的代码更符合你的编码习惯不需要反复调整英文注释生成的代码质量不比GPT-4差实战对比传统方式 vs AI辅助方式传统方式手写文章第1天看资料整理思路 第2天写大纲填充内容 第3天写代码调试 第4天写案例补充细节 第5天检查修改时间5天质量一般容易有漏洞、遗漏AI辅助方式第1天用GLM Coding梳理思路确定结构 第2天GLM Coding生成代码框架你填业务逻辑 第3天测试代码调整细节 第4天GLM Coding优化表达你确认时间3-4天质量更好有AI帮你查漏补缺关键点总结1. AI是工具不是主人AI提供思路你做决定AI生成代码你确认逻辑AI优化表达你检查细节2. 你的思考决定内容AI决定形式技术决策、问题场景 → 你代码实现、文章结构 → AI最终确认、质量把控 → 你3. 分两步走效率最高没想清楚 → 和AI聊天迭代思考想清楚 → 让AI写代码直接执行一个典型的AI使用流程问题我想写个数据库 1. [AI帮你分析] 数据库的核心组件、设计思路、技术选型 2. [你决定] 选择内存数据库用B树做索引 3. [你设计] Node类、BPTree类、Table类的结构 4. [AI生成] Node类的代码实现 5. [你填空] BPTree类的业务逻辑 6. [AI优化] 代码注释、异常处理、性能优化 7. [你确认] 整体逻辑正确代码质量高批判性思考AI当然不是万能的AI的局限没有真实场景- 需要你提供具体问题背景不懂业务逻辑- 需要你明确业务需求可能生成bug- 需要你检查代码逻辑缺少经验判断- 需要你评估技术方案人的责任技术决策- 你必须会分析、会权衡问题定义- 你必须清楚要解决什么问题质量把关- 你必须会检查、会验证最终建议对于技术写作1. 先自己想清楚技术方案、文章结构、关键点 2. 用GLM Coding梳理思路、生成代码 3. 根据反馈调整、补充细节 4. 最后自己检查、确认对于代码开发1. 先自己设计类结构、方法签名、核心逻辑 2. 用GLM Coding生成代码框架 3. 填入业务逻辑处理边界条件 4. AI优化细节你最终确认对于学习总结1. 先自己实践自己写一遍理解原理 2. 用GLM Coding整理笔记、生成对比表格 3. AI优化表达你补充个人感悟结语AI本身知识量大、能力很强关键不在模型而在人会不会用、会不会问。用AI要分两步没想清楚时和AI聊场景、聊方案、一起迭代思考想清楚后把表结构、流程定好直接让AI写代码执行这样用GLM Coding已经非常丝滑、高效完全够用没必要迷信国外模型。你的思考决定内容AI决定形式。这才是AI最大的价值。本文基于真实使用GLM Coding的经验总结代码和案例均可直接复用。