1 第1章 新范式：为什么Ai时代必须学编程逻辑

导演代码的核心思维

1. 问题拆解术
2. 将"处理电商价格"分解为：数据输入 → 价格转换 → 折扣计算 → 结果输出
3. 导演技巧：先向AI描述整体场景，再细化关键步骤
4. 边界条件设计
5. 预判异常情况："如果价格字段缺失如何处理？"
6. 指令优化："当price字段不存在时，设为0并添加'价格异常'标记"
7. 质量验收标准
8. 定义验证方法："请添加单元测试，检查折扣是否正确"
9. 审查重点：检查AI是否处理了浮点数精度问题

职场案例：某电商运营小李用AI辅助编程，将每月3天的促销配置工作缩短至2小时。他不再纠结语法，而是专注描述："当VIP用户购买跨店满300减50商品时，优先使用店铺券再叠加平台券"的复杂规则。

AI幻觉预警 ⚠️

1. 变量名幻觉：AI可能生成discount_price/discountedPrice等不一致命名
2. 隐式转换风险：字符串价格包含"¥199"时，直接float()转换会失败
3. 算法偏差：round()函数的四舍五入规则在不同语言中可能不同

pie
    title AI辅助编程的精力分配
    "问题拆解" : 35
    "指令设计" : 25
    "结果验证" : 30
    "调试修复" : 10

本节核心：掌握编程逻辑而非语法细节，让你从"写代码的工人"转变为"设计解决方案的导演"。在1.2节中，我们将通过办公自动化案例，展示AI编程如何解决真实业务问题。

1.2 案例对比：传统编程 vs AI辅助（电商/办公自动化场景）

flowchart TD
    A[业务问题] --> B{解决路径}
    B -->|传统编程| C[学习语法3周+调试2天]
    B -->|AI辅助| D[描述问题5分钟+调试30分钟]
    C --> E[最终解决方案]
    D --> E
    E --> F[业务价值实现]

场景一：电商跨平台价格监控

业务需求： 某品牌同时在淘宝、京东、拼多多销售商品，需要每天比价并找出自家价格最高的平台。

传统编程实现路径：

1. 学习阶段（2-3周）：
2. 掌握基础语法
3. 学习requests库获取网页数据
4. 掌握BeautifulSoup解析HTML
5. 理解各平台反爬机制
6. 开发阶段（3天）：

# 简化的代码框架（实际更复杂）
import requests
from bs4 import BeautifulSoup

platforms = {
    "淘宝": "https://taobao.com/item123",
    "京东": "https://jd.com/product456",
    "拼多多": "https://pdd.com/goods789"
}

prices = {}
for platform, url in platforms.items():
    try:
        # 各平台选择器完全不同
        if "taobao" in url:
            selector = ".price-text"
        elif "jd" in url:
            selector = ".price.J-p-123"
        # 需要处理动态加载、登录验证等...
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.text, 'html.parser')
        price_element = soup.select_one(selector)
        prices[platform] = float(price_element.text.strip('¥'))
    except Exception as e:
        print(f"{platform}抓取出错：{str(e)}")

# 找出价格最高的平台
max_platform = max(prices, key=prices.get)
print(f"最高价平台：{max_platform} 价格：{prices[max_platform]}")

# [AI提示词]："创建函数监控淘宝、京东、拼多多商品价格，输入商品ID字典，
# 返回各平台当前价格和最高价平台。处理反爬和动态加载，用selenium备用方案"

# AI生成代码框架（GPT-4优化版）：
from selenium import webdriver
import re

def monitor_prices(product_ids):
    results = {}
    driver = webdriver.Chrome()

    for platform, pid in product_ids.items():
        try:
            url = f"https://{platform}.com/product/{pid}"
            driver.get(url)
            # 智能等待页面加载
            driver.implicitly_wait(10)

            # 通用价格提取逻辑
            page_source = driver.page_source
            price_match = re.search(r'["\']price["\']\s*:\s*["\']?(\d+\.\d+)', page_source)
            if price_match:
                results[platform] = float(price_match.group(1))
        except Exception as e:
            print(f"{platform}监控失败：{e}")

    driver.quit()
    if results:
        max_platform = max(results, key=results.get)
        return {"prices": results, "highest": max_platform}
    return None

# 使用示例
print(monitor_prices({"淘宝": "123", "京东": "456", "拼多多": "789"}))

# [AI提示词]："创建脚本：1.读取data/sales.xlsx的'总销售额'列
# 2.提取data/market.pdf中的'增长率'数字 3.合并data/service.csv的客户评分
# 4.生成带图表的总报告output.docx"

# AI生成的核心代码（Copilot优化）：
import pandas as pd
import pdfplumber
from docx import Document
import matplotlib.pyplot as plt

def generate_report():
    # 1. Excel处理
    excel_data = pd.read_excel("data/sales.xlsx")
    sales = excel_data["总销售额"].sum()

    # 2. PDF处理
    with pdfplumber.open("data/market.pdf") as pdf:
        growth_rate = float(pdf.pages[0].extract_text().split("增长率：")[1].split("%")[0])

    # 3. CSV处理
    csv_data = pd.read_csv("data/service.csv")
    avg_rating = csv_data["评分"].mean()

    # 4. 生成报告
    doc = Document()
    doc.add_heading("月度业务报告", 0)

    # 数据表格
    table_data = [
        ["指标", "值"],
        ["总销售额", f"¥{sales:,.2f}"],
        ["市场增长率", f"{growth_rate}%"],
        ["客服均分", f"{avg_rating:.1f}/5"]
    ]
    table = doc.add_table(rows=1, cols=2)
    for row in table_data:
        table.add_row().cells = row

    # 图表插入
    plt.figure(figsize=(6,4))
    plt.bar(["销售额", "增长率", "评分"], [sales/10000, growth_rate, avg_rating*20])
    plt.title("业务指标对比")
    plt.savefig("temp_chart.png")
    doc.add_picture("temp_chart.png")

    doc.save("output.docx")

journey
    title AI辅助编程的能力进化
    section 新手阶段
      描述需求: 5: 开发者
      复制代码: 3: AI系统
      运行验证: 2: 开发者
    section 进阶阶段
      拆解问题: 4: 开发者
      分段生成: 3: AI系统
      组装调试: 3: 开发者
    section 专家阶段
      架构设计: 5: 开发者
      AI协作: 4: AI系统
      自动化测试: 1: CI系统