Day39——晚课 AI编程工具实战

系列教程说明

这是「AI专家养成计划」系列教程的第78篇，共140篇。本系列从零基础出发，每天两篇（早课理论+晚课实践），用70天时间带你全面掌握AI的核心概念与实战技能。晚课以实操为主，手把手教你完成具体任务。

上篇回顾

今天早课我们了解了AI编程工具的全景，掌握了三个核心要点：

Cursor是AI原生编辑器：内置强大的AI对话功能，可以直接用自然语言描述需求生成代码
GitHub Copilot是编辑器插件：无缝集成到VS Code等编辑器，通过实时代码建议提升编程效率
两者定位不同：Cursor适合编程新手和需要AI对话的场景，Copilot适合有经验的程序员日常使用

今晚，我们不聊概念，直接上手——用Cursor和Copilot完成3个真实项目。

实战项目一：用Cursor搭建个人记账本

项目目标

用Cursor的AI对话功能，从零开始创建一个命令行记账程序。你不需要会编程，只需要会打字。

第一步：打开Cursor，创建项目

打开Cursor编辑器
点击 File → New File
按 Ctrl+S（Windows）或 Cmd+S（Mac）保存文件，命名为 accounting.py

第二步：用自然语言描述需求

按 Ctrl+K（Windows）或 Cmd+K（Mac）打开AI对话框，输入以下内容：

帮我写一个Python命令行记账程序，要求：

可以添加收入和支出记录，每条记录包含：日期、金额、类别、备注
可以查看所有记录
可以按月份统计收支情况
数据保存在本地JSON文件中
有简单的菜单界面，用数字选择功能

第三步：查看生成的代码

Cursor会生成完整的代码。你会看到类似这样的结构：

`python

import json

from datetime import datetime

DATA_FILE = “accounting_data.json”

def load_data():

“””加载记账数据”””

try:

with open(DATA_FILE, ‘r’, encoding=’utf-8′) as f:

return json.load(f)

except FileNotFoundError:

return []

def save_data(records):

“””保存记账数据”””

with open(DATA_FILE, ‘w’, encoding=’utf-8′) as f:

json.dump(records, f, ensure_ascii=False, indent=2)

def add_record():

“””添加收支记录”””

# … Cursor会生成完整的添加逻辑

def view_records():

“””查看所有记录”””

# … Cursor会生成查看逻辑

def monthly_summary():

“””月度统计”””

# … Cursor会生成统计逻辑

# 主程序菜单

while True:

print(“n=== 个人记账本 ===”)

print(“1. 添加记录”)

print(“2. 查看记录”)

print(“3. 月度统计”)

print(“4. 退出”)

choice = input(“请选择功能：”)

# … Cursor会生成菜单逻辑

第四步：运行和调试

按 Ctrl+Shift+ 打开终端
输入 python accounting.py 运行程序
如果报错，选中错误信息，按 Ctrl+K 让Cursor帮你修复

常见问题：如果提示找不到Python，需要先安装Python。在终端输入 python --version 检查是否已安装。

第五步：迭代改进

程序能运行后，继续用AI对话优化它：

给记账程序增加以下功能：

支持删除某条记录
添加数据导出为CSV的功能
用不同颜色显示收入（绿色）和支出（红色）

关键技巧：每次只提一个改进需求，让Cursor逐步完善。一次提太多需求，生成的代码可能不稳定。

实战项目二：用Copilot写一个网页爬虫

项目目标

用GitHub Copilot的代码建议功能，写一个自动抓取网页标题和链接的Python脚本。

前置准备

已安装VS Code和GitHub Copilot插件
已安装Python

第一步：创建项目文件

在VS Code中新建文件，保存为 web_scraper.py
确保文件右下角显示的语言是 Python

第二步：用注释驱动编程

这是Copilot最神奇的功能——你写注释，它写代码。

在文件中输入以下注释：

`python

# 导入requests和BeautifulSoup库

# 用于发送HTTP请求和解析HTML

# 写一个函数，接收URL参数

# 获取网页内容

# 提取所有链接和标题

# 返回一个字典列表，每个字典包含title和url

# 主程序：抓取一个示例网站

# 打印所有抓取到的链接

当你输入完每行注释后，停顿一下，Copilot会自动显示灰色的代码建议。按 Tab 接受建议。

第三步：完善代码

Copilot可能会生成这样的代码：

`python

import requests

from bs4 import BeautifulSoup

def extract_links(url):

“””抓取网页中的所有链接和标题”””

try:

headers = {‘User-Agent’: ‘Mozilla/5.0’}

response = requests.get(url, headers=headers, timeout=10)

response.raise_for_status()

soup = BeautifulSoup(response.text, ‘html.parser’)

links = []

for a_tag in soup.find_all(‘a’, href=True):

title = a_tag.get_text(strip=True)

href = a_tag[‘href’]

if title and href:

links.append({‘title’: title, ‘url’: href})

return links

except Exception as e:

print(f”抓取失败：{e}”)

return []

# 主程序

if __name__ == “__main__”:

target_url = “https://example.com”

results = extract_links(target_url)

print(f”n从 {target_url} 抓取到 {len(results)} 个链接：n”)

for i, link in enumerate(results[:10], 1):

print(f”{i}. {link[‘title’]}”)

print(f” {link[‘url’]}”)

第四步：安装依赖并运行

在终端中执行：

`bash

# 安装必要的库

pip install requests beautifulsoup4

# 运行脚本

python web_scraper.py

第五步：让Copilot帮你扩展功能

在代码末尾添加新的注释，让Copilot继续帮你写：

`python

# 添加功能：将抓取结果保存为CSV文件

# 添加功能：支持抓取多个页面

# 添加功能：过滤掉无效链接（如javascript:开头的）

Copilot的使用技巧：

注释要具体：写”抓取链接”比写”处理数据”效果好
给足上下文：Copilot会参考文件中已有的代码风格
接受部分建议：如果建议不完全符合需求，可以修改后再让Copilot继续

实战项目三：Cursor + Copilot联手——做一个天气查询工具

项目目标

综合使用两个工具的优势，创建一个命令行天气查询程序。

分工策略

用Cursor设计整体架构：通过AI对话确定程序结构和功能模块
用Copilot编写具体代码：在VS Code中用Copilot快速实现各个函数

第一步：用Cursor规划架构

在Cursor的AI对话中输入：

我想做一个命令行天气查询工具，帮我设计程序架构：

功能：输入城市名，显示未来3天的天气预报
数据源：使用免费的wttr.in API（不需要注册）
要求：有错误处理、支持中文城市名、显示天气图标

请给出程序的模块划分和主要函数设计。

Cursor会给出一个清晰的架构方案。

第二步：用Copilot实现代码

在VS Code中，根据Cursor的架构方案，用注释驱动Copilot生成代码：

`python

# 导入requests库

# 写一个函数，获取指定城市的天气数据

# 使用wttr.in的JSON API

# 处理网络错误和无效城市名

# 返回天气数据字典

# 写一个函数，将天气数据格式化输出

# 显示城市名、温度、天气状况

# 使用emoji表示天气（☀️晴、🌧️雨、❄️雪）

# 主程序：循环接收用户输入的城市名

# 输入q退出

第三步：完整代码参考

`python

import requests

import json

def get_weather(city):

“””获取城市天气数据”””

try:

url = f”https://wttr.in/{city}?format=j1″

response = requests.get(url, timeout=10)

response.raise_for_status()

return response.json()

except requests.RequestException as e:

return None

def get_weather_icon(code):

“””根据天气代码返回emoji图标”””

code = int(code)

if code == 113:

return “☀️”

elif code in [116, 119, 122]:

return “⛅”

elif code in [176, 263, 266, 293, 296, 299, 302, 305, 308]:

return “🌧️”

elif code in [179, 227, 230, 317, 320, 323, 326, 329, 332, 335, 338]:

return “❄️”

elif code in [200, 386, 389, 392, 395]:

return “⛈️”

elif code in [143, 248, 260]:

return “🌫️”

else:

return “🌤️”

def display_weather(data, city):

“””显示天气预报”””

if not data:

print(“❌ 获取天气数据失败，请检查城市名是否正确”)

return

print(f”n📍 {city} 未来3天天气预报”)

print(“=” * 40)

for day in data.get(‘weather’, []):

date = day[‘date’]

max_temp = day[‘maxtempC’]

min_temp = day[‘mintempC’]

hourly = day[‘hourly’]

# 取中午的天气状况

noon_weather = hourly[4] if len(hourly) > 4 else hourly[0]

desc = noon_weather.get(‘lang_zh’, [{}])[0].get(‘value’, ‘未知’)

icon = get_weather_icon(noon_weather[‘weatherCode’])

print(f”n{icon} {date}”)

print(f” 温度：{min_temp}°C ~ {max_temp}°C”)

print(f” 天气：{desc}”)

def main():

“””主程序”””

print(“🌤️ 天气查询工具”)

print(“输入城市名查询天气，输入 q 退出n”)

while True:

city = input(“请输入城市名：”).strip()

if city.lower() == ‘q’:

print(“👋 再见！”)

break

if not city:

print(“请输入有效的城市名”)

continue

print(f”正在查询 {city} 的天气…”)

data = get_weather(city)

display_weather(data, city)

if __name__ == “__main__”:

main()

第四步：运行和测试

`bash

pip install requests

python weather_tool.py

测试用例：

输入 Beijing 或 北京 查看北京天气
输入 Tokyo 或 东京 查看东京天气
输入 q 退出程序

进阶技巧：让AI编程更高效

技巧一：给AI提供上下文

在Cursor中，按 @ 键可以引用文件、函数或文档。比如：

@web_scraper.py 帮我给这个爬虫添加代理支持

这样AI会参考你现有的代码，生成更贴合项目风格的代码。

技巧二：用AI学习代码

遇到看不懂的代码？在Cursor中选中代码，按 Ctrl+L 打开聊天，输入：

用通俗易懂的中文解释这段代码，像给初学者讲课一样

技巧三：批量生成测试代码

写完一个函数后，在Copilot中输入：

`python

# 为上面的函数写单元测试

# 测试正常情况、边界情况、异常情况

Copilot会自动生成完整的测试用例。

技巧四：代码重构

在Cursor中选中一段代码，按 Ctrl+K 输入：

重构这段代码：提取重复逻辑为函数，添加类型注解，改善变量命名

技巧五：生成文档

在Copilot中输入：

`python

# 为这个模块生成详细的docstring，包含功能说明、参数说明、返回值说明和使用示例

今日总结

今晚我们完成了3个实战项目：

① 用Cursor搭建记账本——体验了自然语言编程的威力，从需求描述到可运行的程序，全程不需要手写代码

② 用Copilot写爬虫——掌握了注释驱动编程的技巧，让AI根据你的意图自动生成代码

③ 两个工具联手做天气工具——学会了根据工具特点分工协作，发挥各自优势

今日行动项

① 完成至少一个项目：从今晚的3个项目中选一个，亲手做一遍。动手才能真正学会

② 尝试改进项目：在完成的基础上，用AI对话添加新功能。比如给记账本加图表展示，给爬虫加并发抓取

③ 记录学习心得：把使用AI编程工具的感受写下来，哪些地方好用，哪些地方需要改进

🚇 地铁深读：AI编程的正确姿势

这个板块专为地铁通勤设计，每篇5-10分钟。不想深读可以跳过，不影响主线学习。

提示词工程在编程中的应用

用AI编程工具和用ChatGPT聊天有一个共同点：提示词的质量决定了输出的质量。

低效的提示词：

“帮我写一个程序”

高效的提示词：

“用Python写一个命令行程序，功能是：读取data.csv文件（包含姓名、年龄、城市三列），筛选出年龄大于30岁的记录，按城市分组统计人数，结果输出为result.json文件。使用pandas库，添加异常处理。”

高效提示词的要素：

明确语言和工具：Python、pandas
描述具体功能：读取→筛选→分组→统计→输出
指定输入输出格式：CSV输入、JSON输出
说明特殊要求：异常处理

AI生成代码的质量控制

AI生成的代码不一定完美，你需要检查以下几点：

① 边界情况

空列表、空文件怎么办？
用户输入非法字符怎么处理？
网络超时、文件不存在如何应对？

② 安全性

是否有SQL注入风险？
用户输入是否做了验证？
敏感信息是否暴露在代码中？

③ 性能

大数据量时会不会很慢？
是否有不必要的重复计算？
内存使用是否合理？

一个真实的案例

一位做市场分析的朋友，之前每周要花3小时手动整理销售数据。他用Cursor写了一个Python脚本：

输入：每周的销售Excel文件

处理：自动清洗数据、计算关键指标、生成图表

输出：一份格式化的分析报告PDF

整个开发过程用了2小时，之后每周节省3小时。投入2小时，终身受益。

这就是AI编程工具的魅力——它让”不会编程”不再是借口，让”自动化”触手可及。

下篇预告

明天早上8点：Day40——AI搜索：新一代信息获取

明天下午5点：Day40——晚课 AI搜索实战

明天我们将探索AI如何改变我们获取信息的方式——传统的搜索引擎正在被AI搜索工具颠覆，你将学会如何用AI更高效地找到需要的信息。

Day39——晚课 AI编程工具实战

系列教程说明

上篇回顾

实战项目一：用Cursor搭建个人记账本

项目目标

第一步：打开Cursor，创建项目

第二步：用自然语言描述需求

第三步：查看生成的代码

第四步：运行和调试

第五步：迭代改进

实战项目二：用Copilot写一个网页爬虫

项目目标

前置准备

第一步：创建项目文件

第二步：用注释驱动编程

第三步：完善代码

第四步：安装依赖并运行

第五步：让Copilot帮你扩展功能

实战项目三：Cursor + Copilot联手——做一个天气查询工具

项目目标

分工策略

第一步：用Cursor规划架构

第二步：用Copilot实现代码

第三步：完整代码参考

第四步：运行和测试

进阶技巧：让AI编程更高效

技巧一：给AI提供上下文

技巧二：用AI学习代码

技巧三：批量生成测试代码

技巧四：代码重构

技巧五：生成文档

今日总结

今日行动项

🚇 地铁深读：AI编程的正确姿势

提示词工程在编程中的应用

AI生成代码的质量控制

推荐学习路径

一个真实的案例

下篇预告

评论

发表回复 取消回复

更多文章

攀岩运动简介

Day39——晚课 AI编程工具实战

Day39——午课 芯片自研与免费革命

Day39——早课 AI编程工具：Cursor与Copilot

OpenRath：像搭积木一样构建多Agent系统

发表回复取消回复

Day39——午课芯片自研与免费革命