上周五下午，我对着Cursor的对话框，整个人处于一种“想砸电脑”的状态。

事情是这样的。我想做一个简单的博客文章排版工具——就是把Markdown格式的文本，自动转成带标题层级、代码块高亮、引用块样式的HTML。这玩意儿我手动写过至少20遍了，烦了，就想让AI帮我一次性搞定。

我打开Cursor，连上Claude 3.5 Sonnet，输入了我的需求：

“帮我写一个能解析Markdown的Python脚本，输出带样式的HTML，支持标题、代码块、引用、列表，代码块要有行号和高亮。”

AI秒回了一个300行的脚本。我一看，哇，代码结构清晰，注释完整，连CSS样式都内联好了。我心想，这波稳了。

然后我把一篇测试文章扔进去跑了一下。

标题被渲染成了黑色加粗，跟正文一模一样。代码块倒是有了高亮，但行号从0开始计数。引用块直接变成了灰色斜体字，完全看不出是谁说的话。列表项之间的间距忽大忽小，像是喝醉了酒。

我愣了三秒，然后开始手动改。

先改了标题的CSS类名，发现AI给

标签加的样式叫“title-style”，但CSS里写的是“heading-1”。找了半天才找到这个坑。

接着修代码块行号的问题，AI用了enumerate从0开始，改成1之后，又发现行号跟代码对不齐，因为代码里有tab字符，AI没做替换。

然后是引用块，AI给

加了个灰色背景，但字体颜色也是灰色，完全看不清。我改成了深灰色背景配白色文字。

列表的问题最恶心——AI用了一个统一的margin-bottom，导致嵌套列表的间距也跟外层一样大。我不得不手动给ul和li分别写样式。

折腾了将近2个小时，才把这些问题全部修完。

我盯着屏幕，突然意识到一个扎心的事实：我花了3个小时，其中AI写了30分钟，我修了2个半小时。这TM叫“提效”？

后来我跟一个做AI工具的朋友吐槽，他说了一句让我醍醐灌顶的话：“你把AI当成一个能一次写对的程序员，这就是最大的误解。”

他给我看了他们团队的内部数据：AI辅助开发的项目中，平均有47%的代码需要人工修改，其中25%是逻辑错误，22%是风格不一致。

“AI擅长的是生成一个80%正确的草稿，”他说，“剩下20%的细节打磨，恰恰是最耗时的。”

我回想了一下，确实。如果我自己从头写那个脚本，大概1个小时能写完，而且bug会少很多，因为我知道自己容易在哪里犯错。但用了AI，我花了更多时间在“找AI的bug”上。

这不是AI的问题，是我用AI的方式有问题。

后来我换了个策略。我不再让AI直接生成完整代码，而是让它帮我写函数级别的片段，然后我自己组装。比如，我让它单独写一个“解析Markdown标题”的函数，再写一个“生成代码块HTML”的函数，每个函数我都手动测试一遍，确认没问题再拼起来。

结果你猜怎么着？整个脚本加起来只用了45分钟——比我自己写还快15分钟，而且bug少了至少一半。

关键区别在于：当我把任务拆成足够小的单元时，AI出错的概率大幅下降。而且即使某个函数出错了，我也能快速定位，不用在一个300行的脚本里大海捞针。

这让我想起一个程序员圈子的老段子：“电脑最大的问题是，它完全按照你说的去做。”AI也一样，它最大的问题是，它完全按照你输入的提示去做，但你的提示往往不够精确。

你以为你说“写一个Markdown解析器”，AI就应该理解你要的是一个“带行号、高亮、样式统一、嵌套列表间距合理”的解析器。但AI理解的只是“写一个Markdown解析器”，至于行号从0还是从1开始，它随机选了一个。

所以我现在用AI的规则变了：

第一，永远不让AI一次性生成超过50行代码。

第二，每个功能模块独立测试，通过一个再写下一个。

第三，对于样式、格式这类主观性强的东西，先让AI生成一个版本，然后我再微调，而不是让它一次到位。

第四，最重要的一条：把AI当成一个“需要明确指令的实习生”，而不是“能揣摩上意的资深程序员”。

今天这个教训花了我3个小时。但我觉得值，因为以后我至少能省下几十个3小时。

对了，那个Markdown解析脚本我已经开源在GitHub上了，叫“md2html-clean”，有兴趣的可以去看看。虽然是被AI坑出来的，但最终结果还不错。

---

📎 延伸阅读

看完这篇，如果你想：

• 直接拿工具 → 回复”13“，我把跨境获客工具包发给你
• 系统学习 → 点击菜单”AI训练营”，从0开始跑通AI变现