軟件開發引入AI，這20多種用法超實用，碼農必備！
最近，AI在各個領域都掀起了熱潮，軟件開發也不例外。好多小伙伴都在琢磨，怎么把AI融入到自己的開發工作里呢？今天這篇文章，就給大家分享25種在軟件開發中使用AI的方法。這里沒有那些高深莫測的概念，也不聊智能體、RAG、聊天機器人這類復雜的東西，更不會給大家畫大餅，承諾一些遙不可及的愿景。咱們就實實在在地講講，怎么用AI在應用里做決策。
這篇文章主要是寫給那些還沒有AI實戰經驗的開發者、設計師和產品經理的。就當是一場“頭腦風暴”，幫大家打開思路，不是什么詳細的操作教程。就算這些例子暫時用不上，也希望能給大家一些靈感，激發出新點子。在這兒，咱就把AI當成數據庫、微服務、前端框架這些普通工具一樣看待，用不用得上，還得看具體情況。話不多說，咱們開始吧！
更多AI好文請關注：https://www.panziye.com/ai
驗證電子郵件地址還算簡單，但要是驗證輸入內容是不是英文，或者某個數字在特定背景下是否“合理”，就沒那么容易了。打個比方，在一個寵物信息表單里，用戶要填寫寵物體重，還得選寵物品種，表單明確寫著體重單位是公斤，可總有人會輸錯成磅。要是想用傳統方法，為每種動物設定“合理”體重范圍，那可太麻煩了。但AI能大概知道各種動物的正常體重范圍，用它來判斷就方便多了。
不過得注意，和傳統驗證相比，AI犯錯的概率會高一些。所以在設計用戶體驗和界面時，要多考慮一下。要是AI覺得寵物主人輸入的體重偏高，可以提示：“您是不是不小心輸成磅了？還是這只寵物真的超重啦？”把握好幫助用戶和不打擾用戶之間的平衡很重要，得讓用戶能輕松忽略提示，畢竟他們才最清楚實際情況。如果發現用戶頻繁填錯信息，而且這些錯誤會引發問題，人類又能輕易看出錯誤，表單設計也已經做到極致了，那這種驗證方式就派上用場了。
推薦程序員必備的導航工具站：https://hao.panziye.com/
拿二手交易網站舉例，用戶可能會把皮劃艇發布到廚房用品分類里，或者在廚房用品分類里找皮劃艇。這種時候，要是旁邊有人，一眼就能發現問題，其實AI也能做到。
先找出用戶容易搞錯分類的地方，然后用AI來監測。一旦發現用戶“迷路”，就及時發出警告并給出指引。有些網站可能都不清楚用戶是不是經常找錯地方，這也沒關系，可以導出分類和搜索關鍵詞的數據，讓AI分析每條數據，判斷用戶的操作是否正確。在很多情況下，AI不僅能解決問題，還能幫我們發現問題呢。當然，不是說非得用AI解決這些問題，只是它確實能提供一種新的思路。
AI既能理解圖片，又能讀懂文字。要是用戶上傳一個文件，比如燃氣賬單，就可以讓AI檢查一下，看看它是不是真的像燃氣賬單，上面有沒有用戶名和地址。像判斷“是不是燃氣賬單”這種事，人類做起來雖然準確率不是100%，但也還比較容易，可要是用傳統代碼實現，難度就太大了。
在能給其他用戶發消息的網站上，我們可以把網站的行為準則提供給AI，再讓它去判斷用戶的留言是否符合規范。要是不符合，就可以屏蔽評論，或者讓AI給出反饋。AI還能判斷用戶是故意冒犯還是無心之失，然后給出不同的處理方式。其實仔細想想，有些行為準則本身就是常識，讓用戶去“同意”一份又長又沒人會認真讀的準則，這種做法本身就不太合理，不如直接用AI屏蔽那些不符合規范的輸入。這也反映出一個問題，很多時候我們用傳統軟件處理事情的方式有點笨拙，AI的出現能讓處理方式更智能。
假設你有一個提交Bug報告的界面，就可以用AI來驗證用戶提供的信息夠不夠詳細。要是用戶寫的是“很慢”“最近發生”“經常發生”這些模糊的描述，AI可以提示用戶把這些說法量化之后再提交。俗話說得好，把形容詞量化了，才能得到更準確的事實。傳統代碼最多通過“問題模板”引導用戶填寫，但還是經常會遺漏重要細節。忍不住提一嘴，雖然盡量不講太高級的內容，但其實用AI自動生成能復現Bug的“最小復現例子”是可行的，就是難度有點大。
比如說有個旅行預訂網站，用戶可以預訂航班、酒店、租車和各種活動。要是用戶不小心在錯誤的機場取車，那可就麻煩了。這時候，可以借助AI對這些預訂信息進行整體分析，看看它們能不能組成一個合理連貫的行程，以此來找出潛在的錯誤。類似的，在檢測報銷單是否存在欺詐行為時，一組報銷單也應該能說得通，如果有人在錯誤的城市吃飯報銷，或者租電動車卻報加油費，就值得深入調查。
不過在這兩種場景下，AI可能會比較“積極”地找問題，所以要注意引導它只報告真正有問題的情況。準備一些典型的例子很有必要，同時，還是要把握好幫助用戶和不打擾用戶之間的平衡。
AI能理解文字背后的意思，在檢測重復內容方面很有優勢。就拿用戶反饋系統來說，用戶可以在里面提新功能建議。AI能對比每個新建議和已有的請求，判斷它們是不是相似。要是相似，就可以詢問用戶是否直接給現有功能投票。以前檢測重復一般靠關鍵詞匹配，現在AI能比較兩段文字的含義，就算表述不同，它也能判斷出是不是同一個意思，比如“深色主題”和“夜間模式”，AI就知道它們差不多。
只要是熱心人能幫用戶做的事，比如給博客文章選關鍵詞，基本上都可以考慮讓AI來試試。大家可以仔細看看自己的應用界面和工作流程，找出那些讓用戶干活的地方，思考AI能不能幫忙?？梢酝ㄟ^預填表單字段、推薦設置，或者把預測的選項排在列表前面等方式來實現。再次提醒，一定要把握好幫助用戶和打擾用戶之間的度。
有些時候指望用戶自己給內容打標簽不太現實，這時候AI就能派上用場了。想象一個類似Stack Overflow的網站，用戶發了個問題，就可以讓AI判斷這個問題是“有趣的”還是“有挑戰性的”，然后打上相應的標簽。這種事很難讓發帖人自己來做?？偟膩碚f，AI擅長從非結構化數據（像文字、圖片、音頻這些）里提取結構化信息（比如標簽）。要是你想給豐富的內容添加元數據，AI很可能是個得力助手。
假如你運營一個產品評論網站，用戶上傳小票作為購買憑證，你想給這些用戶加上“已驗證購買”的徽章。可小票格式五花八門，用傳統代碼幾乎沒辦法判斷。但人類大概看一眼就能知道這張小票是不是買了對應產品（當然也不是百分百準確），AI也能做到這一點。把小票圖片交給AI，它不僅能判斷是否購買了對應產品，還能提取價格、日期、購買地點這些信息。
不過要注意，小票是可以偽造的，像用打印機打印、PS處理，甚至用AI都能偽造，大家心里得有數。另外，用AI“看”視頻并實時評論其實成本不高，操作也不難。比如有一段裝卸區的監控視頻，想記錄車輛出入情況，可以每隔幾幀截取一張圖，讓AI識別圖里車輛的品牌、型號和車牌號。處理一張圖的費用，大概和處理幾百字文本的費用差不多。所以，先利用通用（多模態）大模型驗證思路，如果效果還不錯，再去考慮精度、速度、成本這些細節問題。
根據用戶行為動態適配界面，傳統代碼也能實現。比如，IDE看到文件名里有“test”就自動彈出測試工具，網店根據商品分類展示不同的篩選條件。但有了AI，我們能做得更出色。
在圖片編輯軟件里，AI可以判斷用戶打開的是照片還是線條畫，然后推薦合適的工具組。代碼編輯器也能在用戶編寫API端點時，自動展示API測試工具，而且不用像以前那樣靠硬編碼字符串匹配。不過，大家要接受AI偶爾會出錯這個事實，在設計界面的時候也要考慮到這一點。
以運營電影網站為例，用戶發布新影評時，可以讓AI判斷“這篇評論有沒有劇透”。要是有，就把評論藏在“含劇透”按鈕后面。甚至還能讓AI嘗試重寫一版無劇透的影評。類似地，論壇可以設置“兒童友好模式”，不用完全屏蔽成人話題，但可以隱藏或重新措辭那些敏感內容。
傳統代碼只能處理定量數據的聚合，而AI還能聚合定性數據。以前用傳統手段處理質性數據，最多也就是生成個“詞云”，現在有了AI，可以做得更好。比如有一堆用戶評論，用AI能抽取常見主題，或者按類別整理。不過，如果數據量特別大，比如達到百萬級條目，處理起來會有點挑戰，但也不是沒辦法解決。
想象你有一個收集功能請求的系統，請求數量少的時候，還能人工仔細評估每條請求的價值。但要是請求量很大，人工審核就忙不過來了。以前的解決辦法，要么允許投票（覺得受歡迎的就是好點子），要么讓長時間無人響應的請求自動過期關閉（這種方法其實不太合理）。
現在有了AI，可以直接問它：“你覺得這個功能請求該不該做？”可能有人會懷疑AI的判斷，這很正常。在2025年4月這個時間點，AI對于“這是不是個好主意”這類問題的回答，確實還不太讓人滿意。我用VS Code的GitHub倉庫里關閉的功能請求做了測試，直接用GPT - 4o預測哪些請求會被實現，準確率只有57%，比瞎猜好一點點。后來我用800條數據微調了GPT - 4o - mini，準確率提升到了72.5%。微調在OpenAI界面就能操作，不用寫代碼，總共才花了$2.44。最后我又微調了一個開源transformer分類器，準確率達到了80%。不過這需要一些專業知識，涉及訓練和部署。
可能有人覺得80%的準確率不怎么樣，也有人會覺得很厲害，我屬于后者。畢竟決定一個功能請求要不要做，本身就比較主觀，而且訓練數據只有標題和描述，圖片看不到，鏈接點不了，評論也獲取不到，能達到80%的一致率，已經很不錯了。當然，這不是說就完全不用人類判斷了，AI的意見只能作為參考。這個例子其實是為了避免那些好的功能請求被“無人響應自動關閉”的機制埋沒。類似的，還可以用AI監測員工聊天（比如Slack、郵件、茶水間錄音）里提到的嚴重問題，提前發出預警。每次公司出問題，總能發現幾個月前內部郵件就有人預警過，用AI就能更及時地發現這些問題。
因為AI能理解文本，所以它能判斷兩段文本的相似程度。這意味著我們可以讓AI給任何文本列表排序。比如有一堆軟件問題單，可以按照和“嚴重Bug”的相似程度來排序，把嚴重問題排在前面，普通咨詢排在后面。雖然這種排序不是完美無缺的，但在很多時候還是很有用的。再比如，用戶可以按照和“感人小馬故事”的相似度來給電影列表排序。這種按意義排序的交互方式是以前沒有的，以往只能按日期、價格、大小這些量化數據排序，現在可以按文本甚至圖片的意義來排序了。如果排序后只返回一部分結果，這就是“語義搜索”；如果只返回極度相似的結果，那就叫“重復檢測”。它們的底層原理都是“語義相似度”。
假設你有一個平臺，用戶可以在上面貼代碼片段，你想根據代碼自動識別編程語言，然后加上正確的語法高亮。傳統做法是用復雜的正則表達式和字符串匹配，這種方法很容易出錯，尤其是遇到短小或者意思不明確的代碼。而AI不僅能根據代碼本身來判斷，還能結合上下文。比如在一篇叫《87個冷門Python特性》的博客里出現“x = 1000”這樣的代碼片段，AI會猜測它是Python代碼，傳統的啟發式方法就很難做到這一點。
一般來說，如果你的啟發式規則容易出錯，而人一眼就能看出問題，那就說明可以嘗試用AI來改進。當然，AI也不是絕對準確，但啟發式規則本身準確率也不高。主要就看你對準確率提升有沒有需求，以及能不能接受額外的API調用開銷。類似的例子還有不當言論過濾，傳統用詞庫做的過濾器，經常又笨又不合理，比如有的過濾色情內容的詞庫居然把“非洲”“業余”“動物”也列進去了，甚至還把自己要過濾的“porn”也寫進去了。用AI的話，就能做得好很多。
只要應用涉及用戶數據，就得在保護隱私和防止濫用（比如兒童拐賣這類嚴重問題）之間找到平衡點。在AI出現之前，我們最多只能靠關鍵詞匹配來處理相關問題，雖然這種方法很容易被繞過，但好歹也有點作用。問題在于，判斷一段內容是不是“壞東西”，通常需要人來判斷，可用戶又很在意隱私。AI的出現改變了這種局面，它能理解用戶的內容，但只是個算法，理論上不會讓用戶覺得隱私被侵犯。下面接著看具體例子。
可以用AI來監測用戶之間的私人聊天，看看有沒有違反服務條款的行為。這樣就可以告訴用戶，只要他們遵守規則，就不會有人工去查看他們的聊天內容。在這個新領域，測試用例一定要做得嚴謹，甚至可以考慮公開測試結果，增加透明度。如果想了解更多相關內容，可以看看Anthropic的Clio，他們用這個系統來理解平臺用戶行為，整個過程都不會有人工閱讀消息。
讓AI讀取隱私數據，并回答人類提出的問題，同時又不會泄露敏感信息。比如說，一段私人聊天被標記為可能涉及違法行為，就可以問AI：“是什么類型的有害行為？”“他們打算什么時候動手？”這樣在有充分把握的情況下，再考慮是否打破用戶隱私。檢測霸凌行為也是類似的道理，AI可以先告訴你檢測到兩個學生之間存在霸凌行為，然后你可以進一步詢問：“是什么性質的霸凌？”“施害者還有別的受害人嗎？”等問題，全程不用直接查看聊天內容。而且，AI還能幫你篩選出哪些消息你有權限閱讀。
如果你的服務允許用戶上傳應用程序，那可能需要檢測其中有沒有惡意代碼。市面上雖然有專業的檢測系統，但如果只是檢測一些小代碼片段，在沙箱里讓AI簡單判斷一下這段代碼是否惡意，總比什么都不做好。還有一個相關的例子，就是檢測代碼里有沒有泄露API密鑰或者其他敏感信息。
比如你有一個圖片編輯應用，用AI可以在保護隱私的前提下，識別用戶正在編輯的圖片類型，是家庭照、風景照，還是其他類型。這樣就能更好地了解用戶是如何使用產品的。在記事本應用里，也可以問AI：“有多少用戶在做化學公式筆記？”“有多少用戶用筆記記賬？”這些都能實現，而且不會侵犯個人隱私。
如果你運營一個遠程醫療服務，可以用AI把通話內容轉錄下來，再總結所有對話，提取共通的主題，同時還能保護隱私。這樣就能從原本因為保密性而無法利用的數據里提煉出有價值的知識。同樣的方法也適用于員工評估，或者其他因為保密原因不能挖掘的數據場景。不過在所有涉及隱私的應用場景里，千萬不能忽視公眾的看法。為了讓用戶放心，可以提供一個演示，讓他們看到數據是如何被總結和匿名化的，確認不會泄露個人信息。
假設你的應用里有很多提示小氣泡，分布在不同的地方。可以把每條提示文本，連同出現位置的描述（甚至截圖）一起交給AI，問它：“這提示合理嗎？”這樣能及時發現界面變動、按鈕修改后，提示卻沒更新的情況。在多語言版本里，這個方法也很實用，甚至可以用AI來檢查圖片的alt文本。（悄悄告訴你，跟AI說“別吹毛求疵”，效果特別好。）
我最近做了個小文字游戲，游戲里有謎面和答案，都有點文字游戲的巧思。我用AI測試每對謎面和答案是否“合理匹配”，這種測試傳統代碼根本做不到。我猜很多應用里都有一些以前無法測試的地方，現在AI拓寬了“可測范圍”，大家不妨回頭看看測試覆蓋率報告，說不定能用AI填補一些空白。
比如你剛部署了網站更新，結果有個CSS文件沒加載。集成測試都通過了，因為選擇器還在，但人一看就知道網站出問題了。其實AI也能發現這個問題。傳統做法是前后截圖對比，只能看出有變化，但無法判斷是不是出故障了。而借助AI，可以把部署前后的截圖都給它，問一句：“看起來正常嗎？”如果再給AI提供一下變更列表（比如Git提交信息），讓它知道哪些變化是預期之中的，效果會更好。
浙公網安備 33010602011771號