去年有段时间，我沉迷于一个实验，把一个开源项目的所有维护工作丢给 Claude Code，让它在后台跑，我去做「真正重要的事」。
结果让我重新理解了 AI 编程工具的本质。
那个被误解的”替代”
2023 年底 AI 编程工具刚兴起时，主流叙事是”AI 要取代程序员”。当时我也信了。试着用 AI 从零写一个完整的 REST API，花了两天时间修 AI 生成的 bug，最后重写了一遍。
那个 API 至今还在用。但我写的，不是 AI 写的。
后来我才想明白这件事，AI 擅长处理的是已知问题的未知解法，不是未知问题的已知边界。边界感这种东西，只有写代码的人才有。
异步实习生模型
改变我认知的，是一个 Twitter 上看到的工作流。
Tailwind CSS 的作者 Adam Wathan 说，他用 Claude Code 桌面版处理那些「重要但不紧急」的琐碎任务，开源项目的依赖更新、文档过期修复、测试覆盖率补充。把任务丢进去，切到别的窗口，Claude 在后台运行，随时用手机查看进度、给反馈。
关键不是”AI 能做什么”，而是它可以在你专注做别的事时跑。
这才是 AI 编程工具最被低估的能力，异步执行。
三种真正有效的用法
我把两年踩坑后的用法总结成三个模式，
1. 批量技术债清理
项目里积累了十几处 TODO 注释、几个过时的依赖版本、测试文件里几个被跳过的 case。这些事你知道该做，每次打开项目都看到，但永远排在”重要任务”后面。
Claude Code 可以一次把所有技术债扫出来，按优先级排列，逐个处理，你只需要确认方案。
2. 新项目的初始化脚手架
写一个新项目的 README、配置 CI/CD、初始化测试框架，这些事不难，但是琐碎，开了个头就想赶紧结束。
让 AI 先跑一版，你在上面改。改的过程中，你对这个项目的结构理解反而更深。
3. 复杂重构的安全网
改一个核心函数之前，先让 AI 生成一套测试用例覆盖现有行为，再动手改，最后用 AI 生成的测试跑一遍。
这不是”让 AI 写测试”，而是用 AI 生成的测试作为重构的锚点。
最重要的转变
用 AI 编程工具两年，最大的收获不是什么 prompt 技巧或者上下文管理方法。
是这句话，把它当成一个比你更耐心的 junior，不把它当成一个比你更聪明的 senior。
Junior 做的事，执行、补充、跑腿。出了问题你能 review、能 override。
Senior 做的事，判断、决策、兜底。这个位置从来不是工具的位置。
你用 AI 编程工具的方式，是哪种？