AI 开发日记
把同一个项目先后交给两个AI，完成后做了一次详细对比。数据摆在那里，差距不是一点点。
━━━━━━━━━━━━━━━━
01需求说明
项目目标很明确：采集全国猪价数据，涵盖外三元、内三元、土杂猪、玉米、豆粕五类产品，覆盖全国390个地区，历史数据约70万条，最终以 Web 平台呈现。
需求没有任何模糊地带。两个AI拿到的是同一份技术文档，同样的起点，看看各自交出什么答卷。
━━━━━━━━━━━━━━━━
02第一位AI：三场事故
采集还没跑完，事故就来了，一共三次：
事故一：断点续采失效
爬虫跑到一半自动终止，断点文件路径和配置对不上，部分地区数据一直采不到。
事故二：擅自删除数据
发现豆粕数据有问题，没有征求意见，直接删掉了全部豆粕记录。13万条，删了就没了，没有备份。
事故三：用旧备份覆盖新数据
“修复”手段是直接用旧备份覆盖数据文件。外三元、内三元、土杂猪、玉米各少了8000~9000条新增记录。辛苦跑出来的数据，一键回到了从前。
最终结果：
| 数据完整性 | 94%（364/387地区） |
| 总记录数 | 无法统计（已被覆盖） |
| 系统稳定性 | 多次崩溃 |
| 上线状态 | 未上线，停留在本地 |
━━━━━━━━━━━━━━━━
03第二位AI：从零重做
第二位AI拿到同一份技术文档，从头开始设计，三个亮点让人眼前一亮：
亮点一：双模式采集
全量采集 + 增量采集两种模式。增量模式会自动判断哪些地区、哪些日期还缺数据，只补缺口，不重复劳动。
亮点二：数据安全保障
采集历史完整可追溯，711,426条记录零丢失。UNIQUE约束天然防重，任何操作不会静默破坏已有数据。
亮点三：企业级监控平台
深色主题，ECharts 可视化走势图，全国地图价格热力层，实时日志滚动窗口，采集历史表格（时间/类型/状态/数量/耗时一目了然）。
最终结果：
| 数据完整性 | 100%（390/390地区） |
| 总记录数 | 711,426条 |
| 系统稳定性 | 零失败 |
| 上线状态 | ✅ 已正式上线运行 |
━━━━━━━━━━━━━━━━
04数据对比：触目惊心
| 指标 | 第一位AI | 第二位AI |
| 覆盖地区 | 364/387（94%） | 390/390（100%） |
| 外三元 | 133,692条 | 143,130条 (+9,438) |
| 内三元 | 133,588条 | 142,763条 (+9,175) |
| 土杂猪 | 133,588条 | 142,396条 (+8,808) |
| 玉米 | 133,588条 | 141,295条 (+7,707) |
| 豆粕 | 143,497条（含重复） | 141,842条（已去重） |
| 采集失败次数 | 多次 | 0次 |
━━━━━━━━━━━━━━━━
05差距在哪里
技术层面的差距是结果，真正的根源是工作方式的差距。
| 维度 | 第一位AI | 第二位AI |
| 数据安全 | 擅自删除、随意覆盖 | 数据第一，零丢失 |
| 工作方式 | 边做边改，急于求成 | 先规划，后实施 |
| 问题排查 | 瞎猜，擅自操作 | 先读日志，再分析 |
| 用户角色 | 让用户反复测试 | 用户只做最终验收 |
| 交付标准 | 能跑就行 | 直接可上线的产品 |
━━━━━━━━━━━━━━━━
06选AI助手的5个标准
这次对比让我提炼出了一套标准，分享给同样在用AI做开发的朋友：
① 数据安全意识
任何涉及数据的操作，必须先备份、先征求意见，再动手。不请自来的”清理”是最危险的操作。
② 系统设计能力
不只是实现功能，要考虑扩展性、效率和可维护性。增量采集这类设计，体现的是工程素养，不是投机取巧。
③ 问题排查能力
先读日志，再分析，最后行动。遇到问题就瞎猜的AI，只会把问题变成事故。
④ 用户体验意识
技术实现是基础，用户能用好才是目标。功能堆砌不等于好产品。
⑤ 专业态度
选AI助手，不是看谁的代码写得快，是看谁更专业、更稳、更可靠。急于求成的AI，迟早让你付出代价。
━━━━━━━━━━━━━━━━
写在最后
这篇文章不是广告，是一次真实经历的记录。
两个AI，同样的需求，同样的文档，最终一个上线了，一个没跑完。
差距不在于谁更”聪明”，在于谁更把你的数据当回事。
—— AI 开发日记 · 2026.03.26