AI不会取代你的导师，但它可能是唯一可用的导师

在软件开发的工作中，作者发现自己在开发内部工具时常常陷入孤立无援的境地。虽然团队关系融洽，但同事们对这些“旁支”项目缺乏热情，无法提供深入的指导或建设性反馈。这种状态让作者在技术决策时频繁遇到“写作瓶颈”——不确定如何设计系统、实现模式，或是确保代码的可扩展性和可维护性。作者曾尝试寻求同事帮助，但得到的反馈往往是批评而非引导，例如“这个项目不重要，你随便做吧”或“这看起来很复杂”，甚至还有“我凭经验说话，你没有，所以相信我”。这种缺乏建设性的反馈让作者倍感沮丧。

然而，作者发现AI工具（如Claude）可以成为有效的替代性导师。与AI的交互并非寻求现成答案，而是将其作为“理性伙伴”来探讨问题。通过提供多种选项而非单一“正确”答案，AI帮助作者理清思路，并允许作者挑战它的建议。例如，在构建图数据库API时，AI给出了三种设计方案：使用map[string]any、反射any接口和定义ToProperties()接口。AI推荐使用反射，但作者最终选择了map[string]any，并自主决策跳过了接口层，因为自己觉得这样更直接。

AI的另一大优势是提供具体可测试的代码片段，并愿意承认信息来源（如语法规则而非实际库函数），这避免了作者因缺乏经验而产生的盲目信任。作者还通过与AI的对话式交互，不断挑战其建议，从而加深了对问题的理解。例如，在构建Cypher属性字符串时，AI提供了一个完整的buildPropsString函数，并指出了输入清理、单引号转义和嵌套对象处理等注意事项。作者发现这些建议是基于Cypher语法规则而非实际库函数，从而避免了依赖可能不存在的库功能。

尽管AI无法完全替代人类导师的经验和直觉，但在缺乏其他指导的情况下，它确实成为了一种宝贵的资源。作者强调，关键在于将AI视为辅助思考的工具，而不是自动生成的解决方案。通过主动提问、质疑和验证，作者不仅克服了技术障碍，还逐步建立了自信和独立解决问题的能力。此外，AI在代码审查方面也存在不一致性，可能会前后矛盾，因此作者通常只做一次审查，并自己添加注释以确保未来可维护性。总的来说，AI虽不能完全取代导师，但至少提供了一个随时可用的思考伙伴。