石家庄程序员亲测:DeepSeek和ChatGPT写代码谁更靠谱

说真的，我被AI辅助编程这个话题搞烦了。

打开任何一个技术社区，要么是「DeepSeek太牛了，代码一键生成」，要么是「ChatGPT完胜一切，国内模型都是垃圾」。你真信了任何一个，跑过去一用，血压蹭蹭往上涨。

作为一个在石家庄写代码的程序员，我不信邪。上周我专门拿一个真实项目需求，分别喂给DeepSeek和ChatGPT，看看到底谁能帮我干活，谁只会帮我添堵。

选FunASR，是因为我真的在用

很多人测试AI喜欢用那种toy project，写个快速排序、做个洗牌算法，跑通了截图发出来，看着挺唬人，但屁用没有——这些东西你闭着眼都能写，用AI测什么。

我选FunASR是因为我们项目真在用这个。FunASR是阿里出的语音识别库，能做VAD（语音活动检测）、说话人分离、ASR这些功能。

在FunASR已有的长音频处理流程基础上，新增一个「分说话人段落标注」的功能。

• 输入一段多人对话音频（wav/mp3都行）
• 自动识别出这段音频里有几个人在说话
• 输出每个说话人的段落，时间戳要精确到毫秒
• 最终输出JSON格式，方便后续处理

老实说，我对两个模型都没抱太大期望。之前用AI写代码被坑的次数，比我成功用AI写代码的次数还多。

先测的DeepSeek

我先测的DeepSeek。为什么？因为它便宜，响应快，而且据说中文理解能力很强。

DeepSeek响应确实快，大概三五秒就出来一长串。我一看，心里咯噔一下——感觉不错，框架很完整，注释也详细，甚至还有使用示例。

然后我仔细看代码。

好的地方：

• 代码框架确实完整，import、结构体、函数基本都有
• 对FunASR的基础调用方式是对的，知道用哪些模块
• 注释写得真详细，连「这一步是在做xxx」都给你标出来了，对新手非常友好
• 响应速度快，不浪费时间

坑的地方：

第一个坑：它直接给我新建了一个类SpeakerDiarization。问题在哪？FunASR项目本身不是这样写的。项目里用的是函数式流程，一气呵成。我这个新类塞进去，跟原有代码完全不兼容，根本跑不起来。

第二个坑：说话人聚类部分全是「此处调用聚类算法」。说人话就是，它写了个clustering_result = self.clustering(audio)，然后没了。聚类算法呢？没写。你得自己补。

第三个坑：时间戳格式是[start, end]，但FunASR原生输出用的是字典格式。我跑了一下，输出跟项目里其他模块的格式完全对不上，没法直接用。

一句话评价： 能跑，但得自己收拾。像是给你打了个地基，但墙歪的、窗户没装、门也是歪的，还得你自己找木头修。

我当时心情挺复杂的。一方面，确实有可用的东西；另一方面，大部分还得我自己来。这算帮上忙了吗？算，但没完全算。

再测ChatGPT

DeepSeek测完之后，我心里其实有点倾向它了——至少它让我看懂了这个功能应该怎么做。抱着试试看的心态，我又把同样的Prompt扔给了ChatGPT。

这次响应慢了点，大概十来秒。

出来的东西，乍一看没有DeepSeek那么「热情」——注释少，很多地方就一句# do something，看着冷冰冰的。

然后我仔细看代码。

好的地方：

• 代码结构完全符合FunASR的项目风格，直接复用现有函数，vad_model()、sv_model()调得贼准
• 异常处理考虑得很周全。文件不存在？网络超时？参数非法？都写了，而且处理方式还挺合理
• 类型注解准确，我扔进IDE里，一个红标都没有
• 输出了完整的CLI接口，python script.py --input audio.wav直接跑
• 还给了一个测试用例，虽然简陋，但能验证功能是否正常

坑的地方：

第一个坑：没有解释。DeepSeek会告诉你「这里我们在做xxx」，ChatGPT直接就是embedding = self.extract_embedding(audio)。你想搞清楚它怎么实现的？自己读代码去。

第二个坑：说话人识别用的是通用方案。它的聚类算法是K-means，但FunASR本身有专门的说话人识别模型。通用方案能跑，效果一般，如果你对精度要求高，得自己换。

一句话评价： 拿来就能用，但你得知道自己在干什么。像是给你一辆组装好的车，发动机声音好听，但你得自己研究仪表盘上每个按钮是干嘛的。

我直接上个对比

直观感受：DeepSeek像是一个热情的实习生，态度很好，交代的事都做了，但做得粗糙；ChatGPT像是一个冷淡的老手，不多废话，东西给你整利索了，但你得自己消化。

我的结论

测完这两个，我最大的感受是：没有哪个模型能完全替代你。

你得知道自己在做什么，知道代码要干什么，知道FunASR的流程是什么。AI给的是加速器，不是替代品。你啥都不懂，拿AI写出来的代码，十有八九是定时炸弹。

DeepSeek适合：

• 快速验证想法，先跑通再说
• 想搞清楚某个功能怎么实现，需要详细解释
• 写一些通用脚本，不涉及复杂框架
• 预算有限——DeepSeek真的便宜很多

ChatGPT适合：

• 需要直接集成到现有项目，不想自己改
• 对代码质量有要求，IDE飘红我睡不着觉
• 复杂业务逻辑，需要模型理解能力更强
• 需要CLI接口或者测试用例这种配套的东西

我现在的用法是这样：

先用DeepSeek快速出原型，反正快，反正有解释，搞懂这个功能「应该怎么做」。

然后换成ChatGPT，把我的理解重新描述给它，让它出一版生产级的代码。这版代码不用改，直接能用。

这两个结合着来，效率是真的高。纯用DeepSeek，你会被那些坑磨死；纯用ChatGPT，你可能不知道自己写的代码到底在干嘛。

作为一个石家庄程序员，我的建议是：别吊死在任何一棵树上。工具是拿来用的，不是拿来信的。两个都备着，按场景切换。

最后

AI辅助编程这个话题还会继续吵下去，但对我来说不重要。重要的是我能不能用它省时间，能不能用它解决实际问题。

能，那就是好工具；不能，那就是扯淡。

下期想看什么，评论区告诉我。