AI 编程很像自动驾驶，自动驾驶分为 L0 到 L5 六个级别，AI 编程也差不多：

AI 编程的六个级别

级别 自动驾驶 AI 编程 监控要求 特征
L0 无自动化 古法编程 人工全程 纯手写代码，啥都没有
L1 驾驶辅助 IDE 补全 人工全程 基础语法提示
L2 部分自动化 Tab 补全 人工全程 Copilot 那种代码生成
L3 有条件自动化 Agent 使用 人需待命 Claude Code 这类工具
L4 高度自动化 规划编程 限定场景免监控 AI 自己搞定大部分需求
L5 完全自动化 完全自主 无需监控 任何场景都能编程

重点来了：

  • L0-L2：辅助级别，你得全程盯着
  • L3-L5：自动化级别，系统能自己干活

现在大概在 L3 阶段：特定场景下 AI 能搞定复杂任务，但碰到没见过的情况还得你接手。

Claude Code 的真实表现

我最近让 Claude Code 提供算法进行实现，它上来就给了个 O(n⁴) 的暴力解：

1
2
3
4
5
6
// Claude 最初的方案：四层循环暴力搜
for (i in positions)
  for (j in positions)
    for (k in positions)
      for (l in positions)
        检查是否对称矩形

能跑，但慢得要死。我跟它说了下我的优化算法方案，它才恍然大悟：

1
2
3
4
5
6
7
// 我提示后的方案：分组优化
按数字值分组
for 每个数字 value1:
  for 该数字的每对位置:
    for 每个其他数字 value2:
      for 该数字的每对位置:
        检查是否对称矩形

看看差距：

指标 Claude 最初方案 我提示后 提升
算法复杂度 O(n⁴) O(k × m²) -
比较次数（30数字） 81 万次 112 次 7200 倍
平均速度 75.87 种子/秒 273.49 种子/秒 3.6 倍 ⚡
总耗时 19 分钟 5.3 分钟 3.6 倍
准确性 ✅ 通过 ✅ 通过 一致

发现问题了吗？AI 能写出能跑的代码，但不一定是最优解。这就是 L3 的典型特征——常规场景没问题，碰到需要动脑筋的地方还得你来。

AI 编程的”排水渠过弯”

还记得《头文字D》里的经典操作吗？在秋名山下坡弯道，利用排水渠的特殊地形，一侧轮胎压入排水渠，突破物理极限实现超车。

自动驾驶的困境：

  • 系统知道最优行车路线的数据和参数
  • 但它不知道”排水渠过弯”这种非常规技巧
  • 这需要对真实场景的深刻理解和创造性思维

AI 编程也一样

啥时候你得接手？

算法优化场景（就是上面那个例子）

  • AI 知道常规算法（标准路线）
  • 但不知道”分组”这种巧妙优化（排水渠过弯）
  • 你得告诉它这个思路
  • 然后它能飞快实现细节

没见过的领域

  • AI 训练数据里没这玩意儿
  • 你得详细说清楚要干啥
  • 来回沟通几轮才能搞定

业务特殊情况

  • 行业规则、边界条件
  • 性能要求、取舍权衡
  • 这些你比 AI 清楚

需要创新的地方

  • 得跳出常规思路
  • 组合多个技术解决问题
  • AI 能帮忙，但方向得你指

怎么更好地”驾驶” AI

这次优化给我几个感受：

别满足于”能跑”

  • 代码能运行不代表写得好
  • 多想想有没有更优解法
  • AI 容易陷入训练数据的惯性

提供关键思路就够了

  • 不用写完整代码
  • 提供关键思路
  • AI 会自己把细节补全

用数据说话

  • 跑实际测试对比性能
  • 确保优化没搞坏功能
  • 数字比感觉靠谱

来回迭代很正常

  • AI 给方案 → 你看看 → 提改进 → AI 优化
  • 这就是 L3 的工作模式

离 L5 还有多远？

L3（现在）：AI 是副驾驶，你开车

  • 大部分常规任务能搞定
  • 关键决策得你拍板
  • 碰到没见过的必须你接手

L4（几年后？）：特定领域自己搞定

  • 像 CRUD 这种可能不用人管了
  • 复杂系统还是得人盯着

L5（遥远的未来）：啥场景都能搞

  • 理解任何需求
  • 自己选最优方案
  • 你就当乘客就行

现在的 AI 编程感觉就是 L3 自动驾驶：大部分路段很稳，但得随时准备接手。

碰到需要”排水渠过弯”的时候——那些需要突破常规的场景——你的经验和创造力还是不可替代的。AI 知道参数和数据，但只有你知道真实场景里还藏着排水渠这条隐藏赛道。