AI编程
AI编程是指借助人工智能技术辅助或部分自动化软件开发过程的技术范式。其核心能力包括代码生成、智能补全、错误检测与修复、代码审查及自然语言转代码等。该范式通常以大型语言模型为基础，融入开发工具或集成开发环境中，旨在提升开发效率、降低编程门槛，适用于代码撰写、调试、文档生成等多个软件工程环节。
核心事实
时间轴 (近 90 天)
未来最值钱的不是敲代码最快的人，而是最会向AI提需求的人
在AI编程场景下，提前用最小原型验证核心技术路径可行性比一开始就追求功能完善更关键，因为核心路径走不通越早发现损失越小
行业普遍预期在12-18个月内编程领域的模型能力差距将进一步收窄
AI工程化编程的核心要素包括提示词工程标准化、上下文管理策略、人机协作审查流程和版本控制与可追溯性
AI编程工具的核心方法论可以分为三个阶段：构思（Ideation）、规划（Planning）和验证（Verification）
AI编程最核心的是后端模型能力，工具本身是第二位的
测试驱动开发（TDD）在AI编程时代变得更加重要，因为它提供了不依赖对AI信任的客观验证机制
不具备软件开发基本功的人使用AI编程工具会积累无法理解的技术债务
许多大型科技公司已经要求开发者具备AI编程经验
AI编程要求工程师从追求单次完美转向追求系统性高效，接受概率性正确的工作方式
还有 3 条时间轴事件
全部知识事实 (12)
许多大型科技公司已经要求开发者具备AI编程经验
80%已验证不具备软件开发基本功的人使用AI编程工具会积累无法理解的技术债务
75%待验证CLAUDE.md中「先写能复现问题的测试，再把它跑通」的规矩本质上是将测试驱动开发（TDD）的思想迁移到AI协作场景中
85%待验证AI编程可以被视为编程抽象化路径的极端延伸，开发者只需用自然语言声明意图，模型负责将意图转化为具体实现
80%待验证测试驱动开发（TDD）在AI编程时代变得更加重要，因为它提供了不依赖对AI信任的客观验证机制
75%待验证AI编程要求工程师从追求单次完美转向追求系统性高效，接受概率性正确的工作方式
75%待验证AI编程最核心的是后端模型能力，工具本身是第二位的
60%待验证未来最值钱的不是敲代码最快的人，而是最会向AI提需求的人
50%待验证在AI编程场景下，提前用最小原型验证核心技术路径可行性比一开始就追求功能完善更关键，因为核心路径走不通越早发现损失越小
50%待验证AI工程化编程的核心要素包括提示词工程标准化、上下文管理策略、人机协作审查流程和版本控制与可追溯性
50%待验证AI编程工具的核心方法论可以分为三个阶段：构思（Ideation）、规划（Planning）和验证（Verification）
50%待验证行业普遍预期在12-18个月内编程领域的模型能力差距将进一步收窄
50%