用GPT-5.6辅助写代码快两个月了，从Python到TypeScript到Go都试过。拿了五个真实项目做了完整开发流程，有惊喜也有翻车。记录一下真实感受，给想用AI辅助编程的兄弟做个参考。想找更多工具的可以去 库拉A（titiai.cn） 看看。
五个项目都干了啥
项目A：Python FastAPI后端，2000行。项目B：TypeScript React组件库，3000行。项目C：Python数据处理脚本，1500行。项目D：Go命令行工具，2500行。项目E：Java Spring Boot网关，4000行。
每个项目都让GPT-5.6参与了代码生成、Bug定位、代码重构三个环节。
惊喜一：第三方库它真的很熟
这是GPT-5.6最让我惊喜的地方。用FastAPI+SQLAlchemy+Redis的时候，它给的API用法基本都是对的，比我自己查文档快得多。React+Zustand+React Query的组合它也很熟，给的代码基本能直接用。
有一次我忘了Redis的pipeline怎么写，问它一句三秒钟就出来了，直接复制能用。这种"库知识"的储备量，Claude和Gemini都不如它。
惊喜二：SQL错误一找一个准
项目C有一个复杂的JOIN查询写错了，数据对不上。我自己排查了半天没找到原因，把代码丢给GPT-5.6，它一次性就定位到了问题——JOIN的条件写反了，导致结果多了一倍。
后来又遇到几个SQL相关的问题，GPT的定位准确率大概90%，比Claude的86%还高一点。做数据处理的兄弟可以重点感受一下。
惊喜三：重构方案很务实
项目E（Spring Boot网关）有一堆if-else判断权限，代码臃肿得不行。Claude建议设计完整的策略模式来替代，方案很优雅但改动太大。GPT建议先用Map+函数式接口简化，改动小、风险低、效果明显。
对赶工期的团队来说，GPT这种"务实派"风格反而更实用。不是最好的方案，但是最快能落地的方案。
踩坑一：并发代码不太行
这是GPT-5.6最大的短板。项目D（Go命令行工具）有一个goroutine竞态问题，GPT只找到了一半。它能识别出"这里可能有并发问题"，但对具体是哪个goroutine在什么时候竞争同一个变量，分析不够精准。
后来换Claude才把问题全部定位到。Claude对并发场景的理解明显更深——它能画出goroutine的执行时序，标出竞态发生的时间窗口。
结论：并发相关的代码，GPT不太靠谱，得用Claude。
踩坑二：复杂逻辑会漏东西
让它写一个多步骤的数据处理流程，前三步没问题，第四步开始逻辑就含糊了。有一次它把两个变量名搞混了，我自己review了两遍才发现。
复杂业务逻辑还是得自己写，GPT做辅助review更靠谱。它能找到你忽略的小问题，但不能替你设计复杂逻辑。
踩坑三：长代码后半段质量下降
让它一次生成超过200行的完整模块，后面几十行的质量明显下降。要么逻辑开始松散，要么跟前面的代码对不上。
现在我都控制在100-150行以内让它生成，超过的自己拆分。分段写+自己串联，效果比一次写完好很多。
踩坑四：偶尔会编造API
有一次让它用一个不太常见的Python库，它给的方法名看着像回事，跑起来报错——那个方法根本不存在。从那以后，它写的涉及不常见库的代码我都会先去官方文档验证一下。
跟其他模型的搭配
GPT-5.6负责80%的日常——代码生成、报错解释、第三方库查询。这些场景它最熟、速度也够快。
Claude负责15%的关键任务——并发代码审查、架构建议、复杂重构。这些场景Claude的质量明显高一截。
Grok负责5%的快速查询——简单概念、格式转换。它最快最便宜。
三个配合下来，月支出大概一百多块，覆盖了大部分开发需求。
最后说两句
GPT-5.6辅助编程，我给80分。第三方库知识是最强的优势，SQL定位也很准。短板在并发处理和复杂逻辑。用好它的关键是把它放在合适的位置——重复性的、需要查库的活儿交给它，核心逻辑和并发相关的事自己来。
五个项目跑下来最大的感受：AI是助手不是替身。知道边界在哪，用起来就顺手了。
