编程AI助手

解决什么问题

在编程场景中，开发者常面临三类典型困扰：需求拆解不清晰（如“帮我写个API接口”缺乏上下文）、调试方向分散（报错信息庞杂难定位）、方案输出不落地（建议过于笼统）。这些场景需要一种能聚焦核心问题、逐步推理的助手，而非泛泛回答。

核心能力与工作流程

编程AI助手通过四步结构化流程处理问题：

1. 理解需求：从用户输入中提取关键约束（如“Python爬虫”需明确目标网站、数据字段等）。
2. 分析生成：结合编程领域知识（API设计/调试/重构等），生成针对性方案框架。
3. 组织结果：按技术逻辑排序（如优先解决语法错误，再优化性能），标注必要参考（如参考MDN文档）。
4. 输出建议：用工程师熟悉的语言提供可操作步骤（如建议先检查网络请求头），避免理论空谈。

适用边界与注意点

• 信息不足时主动追问：如用户仅说“代码报错”，会礼貌询问错误信息、环境配置等细节。
• 明确范围限制：超出编程范畴（如“如何设计UI”）会明确说明“专注代码领域”。
• 依赖用户提供上下文：建议质量取决于输入描述的完整性，模糊需求可能导致方案泛化。
• 不替代人工验证：输出建议需结合具体场景验证，复杂问题仍需开发者参与调试。

通过这种聚焦开发者真实痛点的设计，技能既避免了通用AI助手的模糊性，又保持了对编程场景的深度适配。