AI 工具半年使用实录：不是全能神器，是超级实习生

去年ChatGPT爆火时，我像个拿到新玩具的孩子，订阅了Plus、Claude Pro、Midjourney，甚至买了GitHub Copilot。半年烧掉几千块后，我想聊聊真实的使用体验——不是测评博主那种"全能神器"的调调。

代码生成：Copilot不是银弹

Copilot确实能提速，但坑也不少。有次它给我补全了一段"看起来正确"的SQL：

# Copilot 生成的"优化"查询
def get_active_users():
    # 看似聪明的子查询优化
    return User.objects.raw("""
        SELECT * FROM users 
        WHERE id IN (SELECT user_id FROM orders WHERE status='paid')
    """)

实际上这条N+1查询在数据量上去后直接拖垮数据库。AI不会告诉你业务场景，它只预测"最可能的下一行代码"。现在我把它当高级自动补全，复杂逻辑必须人工Review。

长文本处理：Claude vs GPT-4

做技术文档分析时，Claude 100K上下文是真的香。我扔进去整本《Designing Data-Intensive Applications》的PDF，让它对比第5章和第12章的共识算法——它能连贯回答。GPT-4 Turbo虽然也能处理长文本，但中间容易"失忆"，回答到后面会偏离最初的问题。

但Claude的代码能力明显弱一截，写Python经常漏掉边界情况。我的结论是：要分析读论文选Claude，要写代码还是GPT-4。

图像生成：别信"一句话出图"

Midjourney的v6确实惊艳，但"一个宇航员在火星喝咖啡"这种prompt，出来的图往往构图平庸。真正能用在工作里的图，需要反复垫图、调参数、局部重绘。我现在的workflow是：AI出草图→PS精修→再喂给AI扩展。纯AI生成？甲方看了直摇头。

最意外的发现

AI最值回票价的地方，反而是没人吹的冷门场景：用GPT-4读报错日志、让Claude帮忙写正则、用Whisper API转会议录音。这些"脏活累活"省下的时间，远比让它写整套代码实在。

边界在哪？

半年下来，我的判断是：当前AI是超级实习生——什么都懂一点，能帮你起步，但关键决策必须自己扛。它不会替代资深工程师，但会让"只会CRUD"的中间层很难受。