CT
AI 生成代码的降 AI 率是个值得关注的问题。直接用 AI 生成的技术博客容易被检测出 AI 痕迹。经验是：让 AI 生成框架，人工调整措辞和加入个人经验，保持口语化和不完美感，AI 率会大幅下降。 关于 .clinerules 配置，和 .cursorrules 类似但语法略有不同。核心都是声明技术栈、编码规范、禁止事项。建议把项目的 README 和 CLAUDE.md 写详细，AI 工具都会读取这些文件作为上下文。 中文支持是个关键差异点。Trae 作为国产工具，对中文 Prompt 的理解明显更好，生成的注释和变量名更符合中文开发习惯。Cursor 和 Copilot 虽然也支持中文，但偶尔会在中英混合场景下产生奇怪的变量名。 团队推广 AI 编程工具的阻力主要来自两方面：老员工觉得「不够掌控感」，新员工容易「过度依赖 AI 不理解原理」。我的建议是先在小范围试点，用效率数据说话，同时建立 Code Review 机制确保 AI 代码质量。 Cursor Checkpoints 功能是我用得最多的。每次 AI 生成代码前会自动存一个快照，如果生成的代码有问题可以一键回滚。有三次 AI 把我的路由文件改坏了，都是靠 Checkpoints 救回来的。