AI 輔助開發工具使用心得 — Claude、Cursor、Antigravity IDE 實戰分享
記錄我用 Claude、Cursor 和 Antigravity 協助開發的方式,包含 WordPress 外掛、表單除錯,以及採用程式碼前會做的檢查。
本篇目錄
這兩年我陸續把幾個 AI 工具用進開發流程,從產生元件、查錯誤,到討論架構都有。用了一陣子,也累積了一些專案裡的使用心得。
為什麼要用 AI 輔助開發
我用 AI 輔助開發,主要是想省下重複工作的時間,把注意力留給需要自己判斷的邏輯。
boilerplate code、CRUD 的基本結構和表單驗證初稿常有可重用的寫法,請 AI 協助產生,可以省下起步的時間。實際的權限、資料規則與錯誤處理,仍要依專案確認,不能只因為程式看起來熟悉就直接採用。
我常用的工具
Claude
Anthropic 的 Claude 是我最常用的 AI 助手。我會把問題或想做的功能描述清楚,請它討論架構、解釋程式碼或幫忙 debug。就我的使用經驗,它對複雜邏輯的理解和程式碼品質都不錯,給的範例通常也很實用。
Cursor
Cursor 是一個內建 AI 功能的 IDE,基於 VS Code 改造。它可以直接在編輯器裡面用 AI,不用切換視窗。
比較方便的功能是可以選取一段程式碼,讓 AI 幫你重構或解釋。也可以用自然語言描述要做什麼,讓它直接產生程式碼。對於日常開發來說,這種整合在編輯器裡的體驗很順暢。
Google Antigravity IDE
這是 Google 推出的 AI 開發環境。我使用當時,除了 Gemini,也能選其他模型,像是 Claude Opus 4.5。模型清單會更新,這裡記錄的是當時的用法。
它可以讀取整個專案的 context,建議比較容易接上既有的風格和結構。做複雜專案時,我通常用速度較快的 Gemini 做 Code Generation,架構設計或 Refactoring 則交給我覺得邏輯較強的 Claude。
實際專案中的應用
Site Add-on Watchdog — 用 AI 開發 WordPress 外掛
Site Add-on Watchdog 是我開發的一個 WordPress 安全外掛,這個專案全程都是用 AI 輔助開發的。
開發這個外掛時,我對 WordPress 外掛開發不是特別熟。Claude 和 Antigravity IDE 幫我理解 WordPress Plugin Handbook 的規範、產生實作草稿,再由我確認是否符合專案需求。
AI 在這個專案中幫了很多忙:
一開始只有模糊的想法,跟 AI 討論後,才把功能拆成外掛掃描器、漏洞比對引擎、通知系統和後台介面。
串接 WPScan API 查詢漏洞資料時,AI 幫我處理 API 呼叫、回傳資料解析和錯誤處理。
WordPress 的 Hook 機制我一開始搞不太懂,看了 AI 的解釋和範例後,很快就上手了。
Slack、Discord、Teams 的 Webhook 通知也有請 AI 協助,產生的程式碼結構清楚,後續容易擴展。
這個專案如果沒有 AI 輔助,可能要花兩三倍的時間。尤其是不熟悉的技術棧,有 AI 幫忙會比較快上手。
藝術銀行 — 複雜表單的除錯
在做藝術銀行 Art Bank 的會員系統時,表單驗證的邏輯很複雜。企業戶和個人戶的欄位不同,驗證規則也要動態切換。
開發過程中遇到不少 VeeValidate 的問題,很多錯誤訊息看不太懂。這時候我會把錯誤訊息和相關程式碼貼給 AI,讓它幫忙分析問題在哪裡。
有一次卡在動態驗證規則切換的問題,自己 debug 了一個多小時找不到原因。貼給 Claude 看,它馬上指出是 Yup schema 的更新時機不對,還給了正確的寫法。
日常開發的效率提升
除了大型專案,日常開發也常常用到 AI:
快速產生元件結構:開一個新的 Vue 元件,讓 AI 產生基本的 template、script、style 結構,自己再填入業務邏輯。
CSS 轉換:有時候需要把設計稿的樣式轉成 Tailwind class,描述一下要的效果,AI 就能給出對應的 class 組合。
正規表達式:每次要寫 regex 都要查很久,現在直接問 AI「我要比對 xxx 格式的字串」,它通常能給我很接近需求的正規表達式,我再測試調整。
Git 操作:遇到不熟悉的 Git 情境,像是怎麼 rebase、怎麼 cherry-pick,問 AI 比查 Stack Overflow 快。
使用上的注意事項
不能無腦複製貼上
AI 產生的程式碼不一定是對的。要自己看過、理解邏輯、測試過才能用。有時候它會寫出看起來很合理但其實有 bug 的程式碼。
我的做法是把 AI 產生的程式碼當作參考,理解它的思路後再自己改寫成適合專案的版本。
要給足夠的 context
AI 不會自動知道所有專案背景。我會先提供和問題有關的資訊,讓它比較容易判斷,而不是一次貼上所有檔案:
- 用什麼框架和版本
- 想達成什麼目的
- 已經試過什麼方法
- 完整的錯誤訊息
敏感資訊不要丟進去
公司的 API key、內部系統程式碼等敏感資訊,不要隨便貼給 AI。使用前要確認公司的規範,以及工具對資料保存、訓練使用的條款,不能把某個工具的設定套到所有服務上。
基礎知識還是要有
AI 可以幫你寫程式碼,但如果你完全不懂程式,就沒辦法判斷它寫得對不對。基礎的程式觀念、框架知識還是要自己學。
如何有效地使用 AI
學會下好的 prompt
描述越清楚,回答越準確。不要只說「這個不能用」,要說「我用 Nuxt 3 + VeeValidate,想要在切換表單類型時動態改變驗證規則,但是 xxx 的時候會出現 yyy 錯誤」。
把它當作討論對象
遇到架構設計的問題,可以跟 AI 討論不同方案的優缺點。它不一定會給出最好的答案,但可以幫你理清思路。
善用它來學習
對於不熟悉的技術,可以請 AI 解釋概念、給範例、回答問題。比起只看文件,這種互動式的學習更有效率。
定期更新工具
AI 工具更新很快,我會看版本說明,再試試新功能適不適合目前的工作方式。更新也可能改變預設行為,不能只因版本較新就假設一定更好用。
對開發效率的影響
用了這些工具之後,我主觀感覺開發效率大概提升了 30%。這不是固定條件下量出的基準,主要來自下面幾類工作省下時間的感受:
- 減少查資料的時間:很多問題直接問 AI 就有答案
- 加速初期開發:基本結構產生得很快
- 降低學習曲線:接觸新技術時可以更快上手
- 減少卡關時間:debug 的效率提升很多
遇到複雜的業務邏輯,或需要理解整個系統才能回答的問題,我還是得自己想清楚。AI 能縮短實作時間,需求和取捨卻得由我判斷。
站內相關文章: