让TRAE完成一个面试作业，我看行

最近收到一个面试作业（不允许使用AI编程）， 我哼哧哼哧尝试1个小时，略略写了一个能跑起来的框架代码和API函数，结果不尽如意。

今天驱动TRAE， 看下主流的AI开发编辑器的能力上下限在哪里， 也看下AI编辑器和人类的编程思维的差异。

原题如下：

Op①： TRAE中输入题目概要

TRAE思考了一阵子: 先给出思考过程---> 待办的todos---> 分步执行。

思考过程包括 分析需求目标，分析当前应用程序逻辑结构；在驱动代码过程中，会自动检查编辑器飘红的地方，并给出修复提示；

项目可运行，执行时可以默认端口上运行，并自动产生curl脚本验证API。

整个过程不是那么丝滑，但时间还是可以接受，目测比我一行行手搓代码要快不少。

TRAE生成的代码，使用的sqlite做为数据库，基于gin框架实现了

• 编码建立库表： Post、Translation
• 引入database/sql库， 完成新增、查询帖子API
• 能跑起来， curl -X POST/GET 均匹配AI产生的代码，不会报错

核心结构体： 使用切片定义语言系统的翻译帖子， 这一点应该与需求不符， 这也与我没有给完整的面试提示相关。

// Post represents the main post content.
type Post struct {
	ID             string      `json:"id"`
	Translation    []Translation `json:"translation"`
}

// Translation represents the content of a post in a specific language.
type Translation struct {
	Language string `json:"language"`
	Title    string `json:"title"`
	Content  string `json:"content"`
}

TRAE产生的POST新增帖子请求：
curl -X POST http://localhost:8080/posts -H 'Content-Type: application/json' -d '{
    "translations": [
        {
            "language": "en",
            "title": "Hello World",
            "content": "This is a post in English."
        },
        {
            "language": "zh",
            "title": "你好世界",
            "content": "这是一个中文帖子。"
        }
    ]
}' 

Op② 继续提示面试作业的小备注

• 一番操作，该用技能点的都用上了： 限流、缓存
• 这一次他理解了语言翻译的使用场景：Post请求插入英文帖子，由系统自动翻译成中文、西班牙语和法语。

Op③： 提示代码细节

”现在请将原帖子架构 Post 的Translations 优化为单结构体， 不采用数组， 因为会通过内部mock api 得到翻译的帖子。”

TRAE 也能正确理解，并完成这以代码细节变化。

至此，TRAE 完成了作业Demo，两个API均是简单的独立CR查询 （新增帖子、返回特定语言的所有帖子列表）

Op④： 让TRAE实现POST请求的幂等性

联想到最近我在写 ”幂等操作的实现“，

• Put更新请求， 使用状态版本+ 全量更新的方式
• POST新增请求，基于客户端幂等键，确定请求的唯一性， 利用redis键值对或mysql事务来识别二次请求，做到幂等。

我琢磨着看AI能否理解 “幂等键”这一不怎么常见的编程术语，还是小看它了。

一顿操作猛于虎，它还是能理解，产生的代码也能匹配自己的认知。

func createPostHandler(c *gin.Context) {
	var newPost Post
	if err := c.ShouldBindJSON(&newPost); err != nil {
		c.JSON(http.StatusBadRequest, gin.H{"error": err.Error()})
		return
	}

	// Check for idempotency key
	if newPost.IdempotencyKey == "" {
		c.JSON(http.StatusBadRequest, gin.H{"error": "Idempotency key is required"})
		return
	}

	// Check if a post with the same idempotency key already exists
	var existingPostID string
	err := db.QueryRow("SELECT id FROM posts WHERE idempotency_key = ?", newPost.IdempotencyKey).Scan(&existingPostID)
	if err != nil && err != sql.ErrNoRows {
		c.JSON(http.StatusInternalServerError, gin.H{"error": "Failed to check for existing post"})
		return
	}

	if existingPostID != "" {
		// If post exists, return it
		c.JSON(http.StatusOK, gin.H{"id": existingPostID})
		return
	}

	// Generate a new UUID for the post.
	newPost.ID = uuid.New().String()

	tx, err := db.Begin()
	if err != nil {
		c.JSON(http.StatusInternalServerError, gin.H{"error": "Failed to start transaction"})
		return
	}

	// Insert into posts table.
	_, err = tx.Exec("INSERT INTO posts (id, idempotency_key) VALUES (?, ?)", newPost.ID, newPost.IdempotencyKey)
	if err != nil {
		tx.Rollback()
		c.JSON(http.StatusInternalServerError, gin.H{"error": "Failed to create post"})
		return
	}

	// Insert into translations table.
	_, err = tx.Exec("INSERT OR REPLACE INTO translations (post_id, language, title, content) VALUES (?, ?, ?, ?)",
		newPost.ID, newPost.Translation.Language, newPost.Translation.Title, newPost.Translation.Content)
	if err != nil {
		tx.Rollback()
		c.JSON(http.StatusInternalServerError, gin.H{"error": "Failed to create translation"})
		return
	}

	if err := tx.Commit(); err != nil {
		c.JSON(http.StatusInternalServerError, gin.H{"error": "Failed to commit transaction"})
		return
	}

	// Clear cache for all languages after creating a new post
	cacheStore.Flush()

	c.JSON(http.StatusCreated, newPost)
}

• 代码健壮性： 边界条件滴水不漏
• 查询幂等键是否存在 if err != nil && err != sql.ErrNoRows { }错误的判断也很精准，这个我写代码都需要去查一下db api
• sql 事务用的也是风生水起

Op⑤ 让TRAE最后去审阅作业

TRAE给的结果：

代码审查完毕。

整体逻辑：

• main 函数 ：正确初始化了数据库、Gin 路由器，并启动了服务器。
• createTables 函数 ：正确创建了 posts 和 translations 表，并且 posts 表中包含了 idempotency_key 的唯一约束。
• rateLimitMiddleware 中间件 ：正确实现了速率限制。
• createPostHandler 函数 ：
  • 正确地从请求中绑定了 Post 数据。
  • 正确地检查了幂等键是否存在。
  • 正确地处理了幂等键已存在的情况，返回了已存在的帖子ID。
  • 正确地生成了新的帖子ID，并将新帖子和翻译插入到数据库中。
  • 正确地在创建新帖子后清除了缓存。
• getPostsHandler 函数 ：
  • 正确地实现了缓存优先的逻辑。
  • 正确地从数据库中查询帖子。
  • 正确地将查询结果扫描到 Post 结构体中。
  • 正确地将结果存入缓存。 潜在问题：

我没有发现任何重大的逻辑漏洞。代码结构清晰，并且我们已经逐步重构和测试了每个部分。

结论：

代码看起来已经准备好运行了。我现在将启动应用程序并进行最后的测试。

这一次启动并curl测试报错了，TRAE试图加日志并怀疑是：“查询幂等键”的逻辑不在事务中，它给移入事务了。

后面陆续出现我们日常开发都会遇到的 uuid 前后版本变更不兼容报错问题，TRAE也自圆其说了。

最后一次运行并验证：

测试再次失败，出现了同样的错误：“Failed to check for existing post”。

是时候检查我之前添加的日志了，看看究竟是什么原因导致了这个问题。

啊！日志清楚地显示了问题：“no such column: idempotency_key”。

这意味着 createTables 函数中的 ALTER TABLE 语句没有正确执行，或者数据库文件 posts.db 是从之前的运行中遗留下来的，当时还没有 idempotency_key 列。

我将停止当前的服务器，删除旧的数据库文件，然后重新运行服务器，以便重新创建带有正确表结构的数据库。

敏感操作（包括删除文件）TRAE都会提示用户,最后一颠一颠还是跑起来，基本满足我提示的需求。

单文件，237行，断断续续耗时40min吧。

我的感想

初中级程序员危矣，

首先它强大的会话保持能力，能不知疲倦的连续工作； 我们日常开发，如果短时间诱惑去摸鱼或者被动打断编码，后面思路不一定能续上。

其次强大的推理决策能力让它一旦确定了它认为的需求目标，它产出的代码比一般的开发者更加健壮， 之前有戏言：开发者20%时间写代码， 80%时间在调试； 我认为TRAE能做到60%+在产出代码，调试的时间肯定比人类开发者要少。

再次强大的AI知识库， 可以让它指哪打哪，上面我提到Post幂等请求的“幂等键”方案，这个初中级dev不一定有这个术语概念。

最后它完善的端到端AI编程能力， 可以一个人完成需求分析、编码、单测、运行验证、部署全流程看，模糊了目前前后端dev、运维人员的能力边界。

抓紧扶手别被甩下车

当然现阶段还不能完全取代程序员， 目前的AI驱动编程，还不是你肚子里的蛔虫， 它只能理解通俗语义并基于基本的知识库搭建积木， 有时候代码的健壮性甚至有些啰嗦；业务逻辑的实现有时候并不很优雅，甚至很愕然；能跑但是跑不远，而且给人一种负重很多的感觉，这可能也与提示词的丰富度密切相关，作为快速原型验证，低代码开发是可行的。

我认为后续“编码”要变成“驱动码”了，就像大家都9年义务教育学了语文，都认识老祖宗的3000多汉字，但是有人就是会遣词造句，赋诗弄词， 有人遇到美景就只会“牛逼”,写的800字小作文也是漏洞百出、索然无味。

AI编程作为效率工具，和人类开发者一样，最终还是产品能力提供服务， 我们要把自己绑在这台洪流战车上，不轻易下车，也不排斥换车。

• 丰富自己的语文字典，也就是编程技能点，心中有墨水，才能指挥的动AI。
  看到沙漠：能想到“大漠孤烟直长河落日圆”，看到湖泊能飚出“落霞与孤鹜齐飞，秋水共长天一色的”；

• 摘抄经典诗词、名言警句， 也就是驱动AI使用约定俗成的编码规范和最佳实践； 当前AI启动代码只管实现功能，比较直接，成熟的企业级项目还是需要让AI多历练最佳实践。

做到以上两点，我相信会最大程度延缓AI替代程序员的时间。