卡帕西的AI編程策略分為四個核心階段。首要且占據他75%工作時間的，是使用Cursor編輯器中的自動補全代碼功能。卡帕西指出，通過在代碼中直接展示需求，而非冗長的文字描述，能更高效地與大模型溝通。這種方式讓他能夠在正確的代碼位置直接寫下片段或注釋，從而快速觸發自動補全，盡管有時需要頻繁重啟以優化體驗。

接下來，卡帕西會利用大型語言模型對特定代碼段進行修改。這一步驟通常針對那些需要細致調整的代碼區域，允許他根據需要靈活調整代碼。

第三階段涉及使用諸如Claude Code和Codex等獨立的AI編程工具。當遇到較大功能模塊或難以用簡單提示詞表達的需求時，卡帕西會依賴這些工具。然而，他也坦言，這些工具雖然有用，但體驗參差不齊，有時需要頻繁中斷生成以避免冗余代碼。他還提到，這些工具缺乏“代碼審美”，常常生成過于復雜或冗余的代碼，需要手動清理和優化。

作為最后一道防線，卡帕西在遇到最棘手問題時會使用GPT-5 Pro。他分享了一個例子，即在多次嘗試解決一個隱蔽bug失敗后，GPT-5 Pro僅用10分鐘就成功定位了問題。GPT-5 Pro還能檢索生僻文檔和學術論文，為復雜任務提供有價值的見解。

卡帕西的分享在開發者社區引起了廣泛共鳴。許多開發者表示，盡管他們可能使用不同的工具組合，但都采取了類似的多工具拼接策略來輔助編程。評論區中，網友們積極為卡帕西遇到的問題提供解決方案，如開發專門的代理來幫助管理代碼上下文，或要求AI工具提供更簡潔的問題總結等。

卡帕西的AI輔助編程策略凸顯了當前編程工具的現狀：盡管AI編程工具正變得越來越強大，但仍沒有一款能夠完全滿足所有需求。因此，開發者們正在通過巧妙地結合多種工具，發揮各自在不同編程環節的優勢，以實現更高效、準確的編程。