我认为我的对话和沟通与面试能力需要提升，我认为ai可以帮助我，我要让ai成为我的训练搭档与讲师。要怎么做？

去年夏天，偶然有人请我们写一个自动备份配置的脚本。具体情况是：有若干台不同操作系统的服务器（Ubuntu，Debian）每个服务器上运行一些应用（基于Podman部署，但没有使用k 8 s）需要备份到云盘中，且定期清理当时，我们对运维领域不太熟悉（也就是没吃过苦、没背过锅的意思），想着这应该不难，就决定挑战一下Shell脚本。虽然事情不紧急，但还是花了断断续续的时间。我们花了大量时间熟悉Shell的语法和一些特殊用法。本以为Shell简单易上手，可以速战速决，结果却事与愿违，代码不仅难写，还不易交接给他人。这时，AI的作用就体现出来了，它可以教我们如何完成任务。虽然在过程中，我们并没有完全依赖AI来实现代码，但AI确实是很好的教练。我说你听的典型例子：请教AI具体问题：“请告诉我rclone命令的用法。”“Shell里面的循环怎么写？”“如何遍历一个文件夹的所有文件？”“如何让Shell输出的内容显示为绿色？”“如何让一个脚本每天自动运行？”其实，大多数人没必要真的深入了解Shell的语法，只需告诉AI你的目标即可，AI会提供解决方案。从结果来看，AI不仅写出了代码，还给出了详细的中文注释，帮助我们理解逻辑。即使代码部分看不太懂，光看注释也能大致了解。当然，我们也可以直接问AI有没有现成的工具推荐，或者干脆找专业的人来完成任务。

我们习惯于通过明确的指令让AI执行具体任务，比如“帮我写一个排序函数”或“生成一个API接口”。这种方法简单直接，但也浪费了AI更大潜力的发展机会。[heading3]对话式编程[content]相比之下，“对话式编程”鼓励我们与AI进行深度互动。与其直接命令AI编写一个函数，不如和它讨论背后的需求：“这个功能是否真的必要？”、“符合MVP的标准吗？”、“有没有更简洁或更高效的实现方式？”通过这种对话，AI不仅提供代码实现，还能为我们带来更多创意和优化的可能。[heading3]AI带来的编程转变：从想法到实现的协同探索[content]通过前面的探讨，我们意识到AI的强大之处在于它不仅能帮我们解决代码问题，还能从想法到实现全程协助。想象一下，有了一个创新产品的想法——在过去，我们可能需要找专业开发者来实现，或者自己花费大量时间学习编程。而在今天，只需描述你的想法，AI不仅能生成相应代码，还能帮助我们验证需求、优化实现路径，甚至根据用户反馈进行功能迭代。因此，我们可以对AI编程的发展进行这样的总结：注意事项：虽然AI降低了编程门槛，但初学者仍需谨慎使用。过度依赖AI可能导致基础知识的缺失，影响长期的编程能力发展。建议将AI作为学习工具，而不是完全替代传统学习方法。到此，我们已经从四个不同的视角阐述了与AI相处的方式。接下来，我们将进一步探索——在具备这些技能的基础上，与AI相处时还需要注意哪些问题？

有了之前的经验后，从投入产出比来看，能不自己动手就尽量不做，花钱省时间绝对是合理的选择。还是用之前的备份案例。这次，我从网上找了一些现成的脚本，虽然看不太懂，但直接把它们发给AI，说：“参考这些脚本，写一个新的出来。”这里的潜台词是：这次照着做，不要瞎发挥。上次被坑了，这次别乱来。我需要看到结果和过程，按规矩来！通常情况下，AI会按要求给出所需的结果，这样的正反馈也带来了一些副作用。我们逐渐构建了一个信息茧房，这种模式用得越多，似乎就越顺手，但也限制了探索其他可能。容易出现的问题有：实际上可能用其他语言或工具可以更快解决问题。但因为我们没给AI自由，它也没提出建议。