AI 工具使用笔记（2026 年 1 月版）
网页版聊天 AI（最常用入口）
目前最强的三大国外模型：
网页版当前体验最佳：Gemini
（尤其是 2.5 Pro / 3 系列，超长上下文、多模态能力强、搜索整合优秀，使用频率最高） 多账号 / 稳定使用建议：闲鱼购买共享账号约 80 元左右，可长期使用，性价比高。
国内实用选择：
- 阿里系：通义千问 / tongyi.aliyun.com
（Qwen 3 系列性能强劲，开源模型也很优秀） - 字节系：豆包
（日活最高，语音、视频、生活场景最接地气） - 腾讯系：元宝
（接入 DeepSeek 后性价比突出，生态正在快速补齐）
PS：不要问这里的网页版为啥不列举 Deepseek，委婉的说法是，“Deepseek 和幻方是做量化和 AI 起家的技术公司，而不是传统互联网”。
就像豆包的基座模型其实远比不过千问，但是大家更熟知的的网页和手机客户端还是豆包，而不是千问。
AI 辅助编程生态（开发者向）
1. AI 原生 / 增强型 IDE（VS Code 系）
2026 年实际使用推荐排序：
Cursor
→ 目前最强 AI 编程 IDE，重度开发者首选，几乎成为行业标杆
（对 Claude 系列支持最佳，上下文理解、代码修改、Agent 式编程体验顶尖）Trae（字节出品）
→ 免费额度较高，体验接近 Cursor，适合预算有限或项目级编辑Continue.dev（开源插件）
→ 高度可定制，支持任意模型，适合追求灵活性或自建环境的开发者VS Code 原生 Copilot
→ 响应较慢，建议质量一般
（学生/教育账号可免费，性价比高，但智能度与速度明显不如前三者）
入口：GitHub Copilot 或 VS Code 插件市场
其他值得关注：
- Catpaw（美团）：catpaw.meituan.com （公开测试入口，使用需邀请码）
- Qcoder（阿里）：阿里云/通义生态内工具（暂无独立官网）
- 谷歌 Antigravity（支持 Claude 模型）：antigravity.google.com （使用多为闲鱼账号，与网页版 Claude 通用）
2. 终端 / 命令行工具
OpenAI Codex / o1 系列终端工具
通过 OpenAI 官网或 API 访问
配置参考：教程
适合纯命令行、服务器环境，写脚本或快速原型非常高效。
3. 中转 API 服务（最常用打模型渠道）
目前主流稳定中转平台：PackyCode / PackyAPI
- 主站：https://www.packyapi.com/
（支持 Claude、GPT、Gemini 等大量模型） - GPT 专用月付版：https://codex.packycode.com/
（用量不限，适合重度用户） - 完整文档：https://docs.packyapi.com/
价格感受：订阅制性价比高，原价 API 调用较贵，大多数人选择订阅方案。
小结 & 使用建议
- 日常聊天 / 搜索 / 写作 → Gemini 为主，豆包 + 千问 辅助
- 代码编写 / 重度开发 → Cursor（搭配 Claude） 近乎无敌，Trae / Continue.dev 为强力备选
- 预算有限 / 不想折腾 → 闲鱼账号 + Packy 订阅 组合使用
- 模型迭代极快，Claude 账号偶有封号风险，建议至少准备 2–3 个渠道
以上为 2026 年 1 月个人真实使用心得，仅供参考。
初学者使用 AI 辅助编程教程（2026 实用版）
本教程针对编程初学者，介绍如何有效使用 AI 工具（ChatGPT、Claude、Gemini、Copilot、Cursor 等），加速学习过程，同时避免常见问题。
常见问题与应对（按严重程度排序）
直接复制完整代码，未理解就运行
结果：遇到变体或新问题完全不会改
应对：先独立写 30 分钟以上，再看 AI 建议只拿最终答案，不看思路过程
结果：练得快，但理解和记忆很差
应对：优先让 AI 给思路、分步分析、伪代码不检查 AI 生成的代码
结果：隐藏逻辑错误、性能问题、安全漏洞
应对：逐行阅读 + 查文档 + 自己写测试用例验证让 AI 写核心逻辑，自己只做外围
结果：架构、调试、命名等核心能力长期不进步
应对：前 3–6 个月禁止 AI 写核心业务逻辑，只允许生成工具函数/模板提示词太模糊
结果：反复改提示，效率低下
应对：使用下面结构化模板
其他重要提醒：
- 学新语言/框架 → 先读官方文档 + 手动敲示例，再用 AI
- 涉及用户输入、网络、权限、密钥 → 必须自己查安全最佳实践
- 初期优先级：正确性 > 可读性 > 优雅 > 性能
9 个实用提示词模板
A. 强制思考类（避免直接抄答案）
只看思路
“不要提供代码。用中文分步说明思路，最后最多给 5 行伪代码。题目：[题目内容]”卡点求指导
“当前代码：[贴代码] 问题：[报错或卡点] 不要直接重写。先回答：
3. 当前思路的问题
4. 下一步最关键的操作
5. 可能遗漏的边界情况”代码审查
“审查以下[语言]代码：[贴代码] 按优先级关注：逻辑与边界 → 安全 → 可读性与命名 → 性能 → 地道写法。列出问题并建议，不要给完整修改代码”
B. 中阶效率类
生成高质量代码
“用[语言]实现[需求]。要求：单一职责、命名清晰、函数≤30 行、详细注释、至少 3 个单元测试”测试驱动开发
“采用 TDD 实现[需求]。先给完整测试代码（用[测试框架]），确认后再写实现”重构优化
“重构/优化以下代码：[贴代码] 目标顺序：1.可读性 2.消除重复 3.性能 4.错误处理。先说思路，再给修改后代码”
C. 高阶生产级
生产级标准
“以字节/Google 10 年以上资深工程师标准完成[需求]。输出结构：
8. 整体思路（≤100 字）
9. 核心数据结构/算法选择理由
10. 完整代码 + 关键注释
11. 潜在风险与应对”多方案对比
“提供三种实现[需求]的方案：
A. 最快 MVP 风格
B. 最高可维护性风格
C. 极致性能风格
每种方案给：核心思路 + 优缺点 + 伪代码结构”调试原理解释
“解释以下代码出错原因：[贴代码 + 错误信息] 说明原理、修复方法及预防措施”
通用提升后缀（随时加在提示末尾）：
- “一步步思考后回答”
- “使用 Markdown 列表或表格输出”
- “采用最现代的[语言]写法”
- “覆盖所有边界情况和异常处理”
总结
AI 真正的价值是帮你发现盲点，而不是代替你思考。
当你开始问“解释原理”而不是“帮我写代码”时，进步会明显加速。
AI Agent 协作协议深度解析：Rule, MCP, Skill 与 CCW
本教程专为编程初学者设计，旨在揭示如何将 ChatGPT, Claude, Cursor 等 AI 工具转化为高效的学习引擎。我们不仅讲解基础操作，更深入剖析 Rule (规范)、MCP (工具)、Skill (流程) 与 CCW (编排) 的核心协作体系。
你将学到：
- 如何利用 AI 加速代码理解与 Debug，而非单纯依赖生成的代码。
- 如何建立“约束金字塔”，避免 AI 幻觉与上下文漂移。
- 如何从简单的 Copy-Paste 进阶为掌握 AI Agent 工程化思维的开发者。
核心精髓：约束力层级 (The Hierarchy of Constraints)
理解这套体系的关键，在于理解不同组件对 AI 行为的**约束力（Binding Force）**差异：
CCW (系统级) > Skill (流程级) > Rule (规范级) > Prompt (指令级)
- Prompt 只是软性的“建议”，容易被遗忘。
- Rule 是静态的“守则”，确立边界。
- Skill 是强制的“流程”，锁定执行步骤。
- CCW 是底层的“物理定律”，接管系统控制权。
1. Rule (约束与上下文)
约束级别：⭐⭐ (规范级 / 软约束)定位：静态法则 / 员工手册
Rule（常以 AGENTS.md, .cursorrules 或 System Prompt 形式存在）是 Agent 必须遵守的基础约束和背景知识。
- 作用：定义 Agent 的角色、行为边界、编码规范和项目背景。
- 局限：随着对话变长，Rule 的权重会被稀释。AI 可能会在极端情况下“忘记”或“绕过”Rule。
- 示例：
- "你是一个资深 Java 工程师，专注于 SimpleDB 数据库内核开发。"
- "本项目禁止使用 Lombok，所有 Getter/Setter 必须显式生成。"
2. MCP (模型上下文协议 / Model Context Protocol)
约束级别：⭐⭐⭐ (能力级 / 物理约束)定位：原子能力 / 感官与手脚
MCP 是 Anthropic 推出的开放标准，它充当了 Agent 的接口层，负责连接 AI 模型与外部数据或系统。
- 作用：赋予 Agent 操作外部世界的能力。没有 MCP，AI 只是一个被隔离的文本生成器。
- 约束力：这是硬性的物理限制。如果没给
filesystem-mcp，AI 就算“想”改文件也改不了。 - 示例：
filesystem-mcp: 读取和修改本地代码文件。postgres-mcp: 直接查询数据库表结构。
3. Skill (技能与工作流)
约束级别：⭐⭐⭐⭐ (流程级 / 过程锁定)定位：标准作业程序 (SOP) / 自动化宏指令
Skill（常以 SKILL.md 或封装好的 Prompt Chain 存在）是将“规则”与“工具”结合起来解决具体任务的执行逻辑封装。
- 作用：将重复性的复杂工作总结成一个标准流程。
- 核心价值：一旦触发 Skill，AI 必须严格按照
Step 1 -> Step 2 -> Step 3执行。此时，AI 无法跳过步骤，也无法随意发挥。它不再是“思考者”，而是“执行者”。 - 示例：
- "Refactor Workflow": 自动执行 [分析代码依赖 -> 创建测试用例 -> 执行重构 -> 验证测试] 的全闭环流程。
4. CCW (Claude Code Workflow / 编排层)
约束级别：⭐⭐⭐⭐⭐ (系统级 / 逻辑统治)定位：上帝视角 / 总指挥
CCW 是最高维度的管理与编排系统。
- 作用：多 Agent 协同、状态持久化、强制性的任务规划。
- 核心价值：它不是写给 AI 看的文本，而是写给系统运行的代码。CCW 可以在代码层面强制 AI 切换状态、清空上下文、或强制调用某个 Agent。AI 在这里完全没有“违抗”的可能。
核心价值辨析：为什么我们需要这套体系？
有人可能会问：“这不就是把长 Prompt 拆成几个小文件吗？” 并不是。 这套体系的最大意义在于**“约束增强”和“效率封装”**。
1. 提高约束能力：对抗“上下文漂移”
提示词（Prompt）并不是万能的“金科玉律”。
- 问题：随着对话（Context）的不断增加，LLM 的注意力（Attention）会被稀释。在长上下文中，AI 极易“忘记”初始的指令，跳出设定的框架，产生幻觉或开始胡乱发挥。
- 解法：通过独立的 Rule 体系和明确的 Skill 定义，我们将软性的“建议”变成了硬性的“协议”。这种结构化信息能更强力地锚定 AI 的行为，确保在第 100 轮对话时，AI 依然遵守第 1 轮设定的编码规范。
2. 效率的质变：从“指挥”到“调用”
Skill 的本质是认知的函数化封装。
- 问题：如果没有 Skill，用户每次都要充当“包工头”，一步步指挥 AI：“先读这个文件，再改那个，最后检查一下”。这依然是高强度的脑力劳动。
- 解法：Skill 将重复的最佳实践固化为 SOP（标准作业程序）。用户不再需要重复教 AI 怎么做事，而是直接调用在这个 Skill。这不仅节省了输入时间，更保证了输出质量的一致性和稳定性。
总结
Skill 和 CCW 的出现，本质上是为了把“概率性的 AI 生成”变成“确定性的工程交付”。
- Rule 确立底线（不跑偏）。
- MCP 提供能力（能干活）。
- Skill 锁定流程（不偷懒）。
- CCW 掌控全局（全自动）。