# AI 可能生成的代码示例（功能可用，但存在问题的版本）
def get_user_data(user_id):
    conn = psycopg2.connect("postgresql://localhost/mydb")
    cursor = conn.cursor()
    cursor.execute(f"SELECT * FROM users WHERE id = {user_id}")
    return cursor.fetchone()

# 如果让 AI "写一段能快速查找用户数据的代码"
# 它会提出好几种方法

# 方法1：列表顺序查找 - O(n)
def find_user_list(users, user_id):
    for user in users:
        if user['id'] == user_id:
            return user
    return None

# 方法2：字典哈希查找 - O(1)
def find_user_dict(users_dict, user_id):
    return users_dict.get(user_id)

# 方法3：对已排序列表做二分查找 - O(log n)
import bisect
def find_user_sorted(sorted_ids, users, user_id):
    idx = bisect.bisect_left(sorted_ids, user_id)
    if idx < len(sorted_ids) and sorted_ids[idx] == user_id:
        return users[idx]
    return None

# 你能看出这段代码为什么有问题吗？
import threading

counter = 0

def increment():
    global counter
    for _ in range(100000):
        counter += 1  # 出现竞态条件！

threads = [threading.Thread(target=increment) for _ in range(10)]
for t in threads: t.start()
for t in threads: t.join()

print(counter)  # 不会打印出 1000000

# 网络调试工具 —— 基本理解必不可少
curl -v https://api.example.com/users  # 查看 HTTP 请求/响应详情
traceroute api.example.com            # 追踪数据包路径
dig api.example.com                   # DNS 查询
netstat -an | grep ESTABLISHED        # 查看当前连接状态

# N+1 查询问题示例
# 错误做法：会产生 N+1 查询
orders = Order.objects.all()
for order in orders:
    print(order.user.name)  # 每个订单都会触发一次单独的查询！
    # 100个订单 = 101次查询

# 正确做法：使用 prefetch_related
orders = Order.objects.prefetch_related('user').all()
for order in orders:
    print(order.user.name)  # 只需2次查询即可解决

# Python 调试器 pdb 的基础用法
import pdb

def calculate_discount(price, user_type):
    pdb.set_trace()  # 在这里暂停执行，进入交互模式
    if user_type == "vip":
        discount = price * 0.2
    elif user_type == "member":
        discount = price * 0.1
    else:
        discount = 0
    return price - discount

# pdb 命令：
# n (next)：执行下一行
# s (step)：进入函数内部
# p 变量名：打印变量值
# c (continue)：继续执行直到下一个断点
# l (list)：查看当前位置附近的代码

# 不好的做法
"用 Python 写一段二分查找代码"

# 好的做法
"用 Python 写一段二分查找代码，
并举例说明为什么这个方法是 O(log n)。
另外也告诉我这段代码会在哪些边界情况下失效。"

第1步：阅读代码，理解整体流程
第2步：把不理解的部分拿去问 AI
第3步：思考代码可能失败的场景
第4步：亲自编写边界情况的测试
第5步：尝试修改可以改进的部分

# 把 AI 生成的代码用于学习的示例
# 从 AI 那里拿到的代码：
def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])
    return merge(left, right)

def merge(left, right):
    result = []
    i = j = 0
    while i < len(left) and j < len(right):
        if left[i] <= right[j]:
            result.append(left[i])
            i += 1
        else:
            result.append(right[j])
            j += 1
    result.extend(left[i:])
    result.extend(right[j:])
    return result

# 学习活动：亲自编写测试用例
def test_merge_sort():
    assert merge_sort([]) == []           # 空列表
    assert merge_sort([1]) == [1]         # 只有1个元素
    assert merge_sort([3, 1, 2]) == [1, 2, 3]  # 基本情况
    assert merge_sort([1, 1, 1]) == [1, 1, 1]  # 重复元素
    assert merge_sort([3, 2, 1]) == [1, 2, 3]  # 逆序
    print("所有测试通过！")

test_merge_sort()

# 结对编程风格的提示词示例

"我正在做一个用户认证系统。
我想用 JWT token，先不要直接给我代码，
帮我说明一下应该怎么思考这个问题，
只告诉我核心概念和需要考虑的要点，让我自己先设计一遍。"

# 然后自己设计完，再追问：
"我是这样设计的：
[我的设计内容]
这个方案有没有遗漏的地方，或者可以改进的地方？"

"我不太理解异步编程里事件循环（event loop）的概念。
请用一个比喻来解释，就当作我是一个人在餐厅里独自跑堂。
然后再用一个简单的例子告诉我 Python 的 asyncio 是怎么实现这个机制的。"

# 到第1年年底应该能做到的事：
# - 独立设计并实现一个简单的 CRUD API（可以借助 AI）
# - 能说明自己写的代码的时间/空间复杂度
# - 理解基本的 SQL 查询优化
# - 对部署流水线有基本理解（CI/CD）
# - 养成系统化调试 bug 的习惯

# 第2年适合和 AI 一起做的活动：
# 1. 系统设计练习
# "帮我设计一个 URL 短链接服务。不过我先把自己的设计给你看，
# 请你给我反馈"

# 2. 代码评审学习
# "请从资深开发者的视角评审这份 PR 代码，
# 从性能、可读性、安全性、测试覆盖率这几个方面来看"

# 3. 理解架构决策
# "我们团队决定用 Redis 做缓存。
# 请说明什么时候缓存有用，什么时候会适得其反"

# Chrome 扩展 + AI API 集成示例（background.js 概念）
# 用户在网页上选中文本后自动生成摘要的功能

# 在 manifest.json 中配置好 permissions 之后
# 在 content script 中检测被选中的文本
# 在 background service worker 中调用 AI API

async function summarizeText(selectedText) {
    const response = await fetch('https://api.openai.com/v1/chat/completions', {
        method: 'POST',
        headers: {
            'Content-Type': 'application/json',
            'Authorization': `Bearer ${API_KEY}`
        },
        body: JSON.stringify({
            model: 'gpt-4o-mini',
            messages: [
                {role: 'system', content: '请把这段文字总结成3行。'},
                {role: 'user', content: selectedText}
            ]
        })
    });
    const data = await response.json();
    return data.choices[0].message.content;
}

# 借助 AI 进行开源贡献的流程
# 1. 阅读项目的 CONTRIBUTING.md
# 2. 寻找带有 "good first issue" 标签的 issue
# 3. 请 AI 帮忙理解代码库
#    "在这个 Python 项目的 src/core/parser.py 里，
#     我看到这个模式反复出现，请说明一下这是什么结构"
# 4. 实现修改内容（与 AI 结对编程）
# 5. 编写测试
# 6. 提交 PR

# 作品集/简历中可以包含的内容示例：
#
# 技术栈部分：
# - AI 工具：使用 GitHub Copilot、Claude、Cursor 的经验
# - AI 集成经验：基于 OpenAI API、LangChain 开发应用
#
# 项目描述：
# "独立完成了利用 AI API 打造 X 服务的策划-设计-开发-部署全过程。
#  借助 Claude 和 GitHub Copilot 把开发时间缩短了40%，
#  但所有生成的代码都经过我本人审查，并编写了测试"