#AI编程

13小时前

AI编程赚钱实战！下周四晚 8 点继续直播欢迎扫码预约！上周数据还不错给嘉宾带了上百个公众号关注自己的AI编程课也带了几单下周继续邀请重量级嘉宾讨论欢迎大家推荐和自荐目前能靠AI编程赚到钱的，还是少数黄叔希望能用这个访谈系列吸引到大家来玩AI编程

#AI编程 #赚钱 #直播 #黄叔 #访谈

5天前

创建一个AI 编程学习群，点击链接或扫码可以加入

#AI编程 #学习群 #AI学习 #编程学习

1周前

Supabase 是一个非常强大且容易上手的后端服务框架，AI编程的最佳搭档。尤其适合那些想要快速构建 AI 或 Web 应用的开发者。原因有这几点： 1、一站式解决方案：一个平台就解决了数据库、用户认证、文件存储、API 等一系列后端需求，你几乎不需要再东拼西凑地找其他工具了。 2、对前端开发者极其友好：前端开发者只用熟悉的 JavaScript，就能通过官方提供的客户端库，轻松地和数据库、认证、存储等功能交互，极大地降低了全栈开发的门槛。 3、慷慨的免费套餐：它的免费版功能非常强大，足以支撑绝大多数个人项目和早期产品的开发与上线。这让你能零成本地学习、试错和启动你的想法。 4、与 Vercel 无缝集成：作为 Vercel 官方推荐的存储伙伴，在 Vercel 上创建和连接 Supabase 项目极其简单，环境变量等都会自动配置好，体验非常丝滑。如果你正做 AI 小产品、想快速把“能看”的原型变成“能用”的网站，Supabase 是个很稳的后端起点。

#Supabase #后端服务框架 #AI编程 #Vercel集成 #快速开发

1周前

做 AI 公众号几个月，最高干到了新榜TOP4，以下是我的一些心得和方法： 1，公众号的推荐机制是玄学，但他会奖赏勤奋的人我坚持写了四百多篇原创，在一开始甚至日更了几个月，每天雷打不动定时更新。同一个领域不断去磨关键词，让算法识别，争取进流量池。 2，光勤奋还不够，得会对标不怕你笑话，我把新榜上所有的公众号全部关注了个遍，分析他们的文章，为什么会被算法和读者喜欢，我甚至用飞书多维表格做了分析。通过对标系统，我初步了解了一些指标数据，然后给自己定位。 3，明确定位 AI方向有很多，有做资讯的，有做智能体的，有做AI视频的，有AI设计的。我是个程序员，智能体和vibe coding是我的强项，于是我给自己定位Ai编程。开始更新如何vibe做网页，小程序，写了好多教程，大家还蛮喜欢。 4，会学爆款早些时候的公众号还挺魔幻，直接抄爆款的标题，大概率就能爆，这个虽然很不道德，但对于前期素人来说倒也无妨，不过最好文中写下哪里抄的，给作者带点曝光。其实还有很多想说，其实最重要的还是教中学，在写文章的同时也是在学习，而且印象会更深刻。初来x，感谢关注，以后我会多更新和同步一些实践。

#AI #公众号运营 #新榜 #AI编程 #经验分享

1周前

这两年折腾 AI 编程出海，有个很直观的感受：写作 + AI 工具，是普通人最好上手的杠杆。以前纯写作，产一篇就累一次。现在用 AI 帮忙整理思路、生成初稿，我只要负责“说人话 +讲故事”，同样一篇内容，能变成：社群长文、课程大纲、销售页、甚至是实战营讲义。写作本来就是“边际成本几乎为 0 的产品”，叠一层 AI 上去之后，杠杆感更明显了。

#AI编程 #写作工具 #效率提升 #内容创作 #AI辅助

砍砍@标准件厂长

1周前

目前 AI 编程只有 GPT-5 Codex High Fast 能用。

AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 77 条信息

#AI编程 #GPT-5 Codex #High Fast #可用性 #技术

1周前

这个是AI编程的配置问题。正好我这边看到一个vibe coding的免费课程，可以帮你扫除AI编程中的各种障碍。微信扫码领取免费课程，课程详情见评论区。

#AI编程：自学or科班？新旧码农之争· 150 条信息

#AI编程 #配置问题 #Vibe Coding #免费课程

知识分享官

1周前

vibe “工程师” / AI编程必备技能⬇️

Claude Skills系统发布引发AI行业新变革· 52 条信息

#AI编程 #工程师 #编程技能

 快乐永远 

1周前

我让AI写代码的流程： 1、让AI处理所有需求文档和已有设计，包括数据库结构（生成DDL），把所有文档（word、excel、pdf……）整理成markdown 放一个文件夹。 2、让AI根据文档写桩代码（只有接口和空的类定义，没有逻辑代码） 3、让AI根据文档和桩代码写测试代码。 4、把前三步成果提交到git，把1和3所有文件设为只读。 5、让AI开始一小块一小块写代码，写完一块运行测试，通过再写下一块… 6、全部写完完整运行所有测试。 ….

AI编程工具激战：Claude Code、Gemini Cli崛起· 1169 条信息

#AI编程 #自动化代码生成 #需求文档处理 #测试驱动开发 #代码质量控制

2周前

vibe coding害人不浅，能得出这种结论，不用怀疑，就说明编程基础不行真的感觉推上这群整天幻想着完全没有编程基础只用ai就可以上线产品并且稳定运营的人越来越多，一群人本着学习编程去使用ai，但是一些人却专门学习“ai编程”，到时候上线了服务端出点小问题自己又不会改就好笑了

#AI编程：自学or科班？新旧码农之争· 150 条信息

#Vibe Coding #AI编程 #编程基础 #技术幻象 #服务端问题

2周前

AI编程工具也是最好的AI写作工具！核心工具：AI编程Cli + Obsidian 做法： 1. 直接用Warp或Claude Code Cli模式打开Obsidian仓库路径，我现在用Augment的Auggie（Cli模式） 2. 建立索引（会把你的文章像代码一样建立索引） 3. 对话提问，基于笔记写作。 4. Obsidian打开查看，阅读修改排版。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1169 条信息

#AI编程 #AI写作 #Obsidian #CLI工具 #知识库索引

2周前

做了几个月AI编程的出海项目，最大的感受不是技术有多牛，而是整个思维方式在变。以前写代码总想着“我要实现什么功能”，现在是“AI能帮我实现什么，我该专注在哪”。语言不够好？AI翻译。不懂当地市场？让GPT分析用户习惯。UI设计不行？AI工具分分钟生成几十个方案。技术在消解很多传统壁垒，但同时也在考验另一种能力——你知道自己要做什么，知道问题在哪，知道该往哪个方向走。工具越强大，方向感反而越重要。

#AI编程 #出海项目 #思维方式 #AI工具 #方向感

2周前

😜 分享《独立开发者穷鬼套餐》技术栈：Next.js + NextAuth.js + Shadcn UI $0 AI 编程：Cursor $20 / 月 AI 基模型：Coze（火山引擎）人民币10元 / 月代码管理：Github $0 自动化部署：Github Actions $0 设计：Figma $0 域名：阿里云 com 域名 90 元 / 年邮件：Resend $0-$20 / 月部署：Cloudflare Pages $0 OSS 存储：Cloudflare R2 $0-$5 / 月数据库：Cloudflare D1 / Supabase $0-$20 / 月 KV 缓存：Cloudflare $0 or $0.2/100k 操作 / 月日志：阿里云SLS $0-$25 / 月监控：Sentry $0 文档：飞书 $0 调查问卷：飞书 $0 统计：Google Analytics $0 用户行为分析：Clarity $0

#独立开发者 #穷鬼套餐 #AI编程 #CloudFlare #开源

2周前

研究 Vibe Coding 都能写论文了，来自中科院、杜克大学等的这篇《基于大语言模型的Vibe Coding综述》，还是花了点功夫把 Vibe Coding 相关的论文、信息梳理了一遍，有一些值得看的内容。【一】首先是对 Vibe Coding 的定义，这篇论文把 Vibe Coding 描述成一个“三方关系” （参考图1）： 1. 人类开发者：不再是代码的直接创作者，更像是需求的提出者、方向的把控者和最终质量的仲裁者。你的主要工作是清晰地表达意图，并判断 AI 做出来的东西“对不对”。 2. 软件项目：不再仅仅是代码库，而是一个包含代码、数据、文档、领域知识等各种信息的“上下文空间” 。AI 需要从这里获取信息来理解任务。 3. 编程智能体 (AI)：负责具体的编码、修改、调试工作，它听从人类的指令，并受项目上下文的约束。论文也提到了 Vibe Coding 带来的问题：经验丰富的开发者在使用高级AI工具时，完成任务的时间反而增加了19% ！【二】为什么经验丰富的开发者 Vibe Coding 时间更长？不完全是模型能力不够，还有其他原因： 1. 系统性的上下文工程 (Context Engineering)：你得知道怎么把项目信息（代码库、文档、规范）有效地“喂”给 AI 。AI 不是凭空写代码，它需要知道你的项目是怎么回事。光会写漂亮的提示词 (Prompt) 是不够的，管理上下文信息才是核心技术。 2. 反馈循环 (Feedback Loops)：不能简单地把活儿全丢给 AI。怎么提要求？怎么给反馈？什么时候该介入？这些协作方式直接影响效率和质量。 3. 基础设施 (Infrastructure)：你需要能安全执行 AI 代码的“沙盒” ，能跟 AI 流畅对话、共享项目信息的交互界面，甚至需要能自动化测试、部署 AI 代码的平台。没有这些基础设施，AI 就是“带镣铐跳舞” 。【三】五种 Vibe Coding 开发模式： 1. 无约束自动化 (UAM)：完全放手让 AI 干，你只看最终结果。速度快，风险高，适合做一次性原型或小工具。有点像软件工程里的“快速应用开发”（RAD）。 2. 迭代式对话协作 (ICCM)：你和 AI 像结对编程一样，AI 写，你审，反复沟通迭代。质量有保障，但需要你深度参与。 3. 规划驱动 (PDM)：你先做好设计、定好规范（比如写好技术文档、规则文件、实施计划），然后指导 AI 按计划执行。有点像传统的“瀑布模型” ，但 AI 的快速迭代让它更灵活。 4. 测试驱动 (TDM)：你先写好测试用例，定义清楚“怎样算对” ，然后让 AI 去写能通过测试的代码。用机器验证代替人眼审查。这是传统“测试驱动开发”（TDD）的应用。 5. 上下文增强 (CEM)：这不是一个独立流程，而是一种“增强插件” 。通过检索增强生成（RAG）、代码库索引等技术，让 AI 能更好地理解项目现有情况，生成更贴合项目风格和规范的代码。它可以与其他四种模式结合使用。【四】 Vibe Coding 的最佳实践——把 Agent 当员工而不是工具很多一直把 AI 当成一个“超级自动补全”，一个更聪明的 Stack Overflow，我们把它当成一个“工具”，而实际上，它是一个智能体（Agent）。 “工具”和“Agent”的区别是什么？ - 工具（比如锤子、编译器）：它帮你完成你正在做的事。你100%掌控它。 - Agent（比如一个初级程序员）：它能自主完成任务。你需要给它分配任务、给它“记忆”（上下文）、给它权限，并对它进行“管理”和“审查”。如果试图用“使用工具”的方式，去“管理一个员工”，结果就是会带来两个极端： - 一个极端是盲目接受：AI 写的代码，语法漂亮，看着很对。你“Vibe”一下，直接提交。结果生产环境崩了。你大骂“模型产生了幻觉”，而真正的问题是，你跳过了必要的检查环节：代码审查、自动化测试。 - 一个极端是过度怀疑：你根本不信它，它写的每一行你都要重写，这同样影响效率。这特别像那些管理水平不怎么样的 Engineering Manager：要么对员工（AI）完全放任不管，要么事必躬亲地为管理。最佳实践是在关键节点设置检查站，自动化验证流程，但在过程中放权。就像一个新员工入职，你不会直接让他们在生产环境上更新代码，而是会有配套的流程和环节保障。【五】开发者的角色正在发生根本性转变。你不再仅仅是代码的生产者，你的核心工作变成了： 1. 意图阐述与提示工程：把复杂需求翻译成 AI 能理解的清晰指令。 2. 上下文管理：精心挑选和组织信息（API 文档、代码片段、设计规范），喂给 AI，限制它的“自由发挥”，确保方向正确。 3. 系统级调试：当 AI 生成的系统出问题时，重点不再是逐行 GDB，而是从系统行为层面去推测、定位问题，然后引导 AI 去修复。 4. 架构监督：AI 负责实现细节，你得把握整体架构，确保项目的概念完整性和长远健康。 5. 质量验证与治理：设计测试用例，利用自动化工具验证 AI 的输出，管理 AI 的权限，追踪代码来源。简单说，你的价值从“写好代码”变成了“用好 AI 来写好代码”。这不仅仅是技能的增加，更是一种思维模式的彻底转变。【六】 Vibe Coding 带来的挑战：安全、可靠性、监管，以及……我们自己 1. 代码可靠性和安全性：AI 可能从训练数据里学到并复现各种 Bug 和安全漏洞。只看“Vibe”不看代码，无异于“盲驾” 。我们需要新的自动化工具和流程来实时监控、验证 AI 生成的代码。手动代码审查根本跟不上 AI 的产出速度。 3. 大规模监管：当 AI 智能体能自主修改、部署代码时，如何有效监督它们？如何防止一个错误像病毒一样扩散？如何追踪责任？。现有的管理和审计方法都过时了。我们需要能与 AI 能力同步扩展的监管架构。 3. 人的因素：开发者需要转变思维模式，学习新技能。团队协作方式需要调整。更重要的是，如何建立对 AI 恰当的信任度——既不盲从也不过度怀疑？ 4. 教育脱节：现在的计算机教育体系，有教你怎么“指挥”AI 写代码、怎么设计 AI 的工作流、怎么评估 AI 的风险吗？很少。人才培养的速度，远远落后于技术发展的速度。论文地址：

AI编程工具激战：Claude Code、Gemini Cli崛起· 1169 条信息

#Vibe Coding #大语言模型 #AI编程 #开发者角色转变 #AI安全

3周前

你这就是对我的偏见了，总觉得我只是个搬运自媒体我好歹日常大量阅读、写代码、写提示词，捎带着搬运了一些还分享了实践经验。我本身也是 AI 乐观派，希望它越来越强，帮我干越来越多的活，也希望“AI成为编程架构师”。但是我们不能停留在空想，或者对未来的一种幻想，等着 AGI 的到来。说回具体的，AI 未来也许能成为编程架构师，但这套路径还很遥远，和 AGI 一样遥远： 1. 长上下文还没解决好，架构能力需要对系统有全局了解，当前你没办法把整个代码库扔进去也许可以像 DeepSeek 论文那样用缩略图，但那还是理论上 2. 对代码结果的反馈 AI 还不能直接感知，架构能力不是理论，更需要实践，架构效果好不好一定是要去实际运行，在运行中收集反馈并调整。现在 AI 根本没法感知系统的运行效果，让它自己去搭个运行环境也许勉强可以，怎么测试并评估系统的反馈是做不到的 3. 长期记忆仍然没解决，架构师设计过程中，有大量的沟通工作，和 PM 和程序员，这些沟通的内容都要融合到架构中，但怎么把它们记下来并融入架构设计，并在设计后验证这些记忆中的内容，都是挑战。 4. AI 对多个 Agent 的组织能力还有待提升，架构师不仅仅是一个技术工作，不是写个架构设计文档就结束了，还需要去传播架构知识，基于架构去调整组织结构，基于组织结构去整合结果，这方面至少要 AI 进化到组织者这个阶段你看我们讨论问题，我觉得反对和赞同都很正常，但我们最好具体问题具体讨论，至少我一般不是情绪化的说它行或者不行，或者不会说你没做过架构你不懂，或者未来怎么样怎么样，而是像上面一样一条条列出我的观点。如果我错了我也很乐意修正自己观点，比如去年我还觉得 Coding Agent 不靠谱，而现在我觉得“真香”。

#AI架构师 #AI编程 #AGI #AI局限性 #技术讨论

[email protected]

3周前

🎉 AI编程分享的第 1 期视频发布啦！视频内容：介绍大模型中的一些基本概念，包括LLM、Prompt、Token、Context、Tool Calling和MCP等。如果你的AI编程只是在同一个聊天框中不停地提问，那么你或许应该看下这个视频，这些知识点是高效AI编程的理论基础。视频链接：

#AI编程 #大模型 #LLM #Prompt #tool calling

[email protected]

3周前

🎉 可算是过了 8000 粉啦！新号从年初开始运营，基本上做到每天都会发帖帖子很少跟热点，只聊独立开发、AI编程和模板副业时间独立开发和运营，实属不易，感谢关注感兴趣的可以关注我，聚焦独立开发和产品出海 👨‍💻

#独立开发 #AI编程 #产品出海 #粉丝突破 #副业运营

3周前

转译：像外科医生一样写代码很多人都说，AI 会让我们统统变成“经理”或者“编辑”……但我认为，这种看法不仅不完整，甚至还有点危险！就我个人而言，我正努力像外科医生一样写代码。外科医生可不是经理，他们是亲自动手干活的人！但他们的技术和时间被一个支持团队极大地放大了。这个团队会处理好所有准备工作、次要任务和行政杂务。这样一来，外科医生就能心无旁骛地专注于他们最擅长的关键事务。我现在用 AI 编程工具的目标，就是把 100% 的时间都花在真正重要的事情上。（作为一名 UI 原型设计师（UI prototyper，也就是设计和制作产品初步模型的人），这主要意味着捣鼓各种设计概念。）事实证明，现在有很多次要任务，AI 智能体 (AI agents) 已经完全有能力帮忙处理了。最近我发现，把下面这些活儿交给 AI 就挺好： - 在开始一项大任务前，先让它写一份关于代码库相关部分的指南。 - 尝试对一个大改动进行“探路” （Spike out，软件开发术语，指快速做一个简单的原型来探索解决方案的可行性）。我经常不会直接用它的结果，但我会把它当作一个草图，帮我看清方向。 - 修复那些有明确要求的 Typescript 错误或 bug。 - 给我正在构建的功能写文档。我经常发现，让这些次要任务在后台“异步” （async，指任务在后台运行，不会卡住你当前的工作）跑着非常有用——比如我吃午饭的时候，甚至干脆让它跑上一整夜！当我坐下来准备开工时，我希望自己就像一个走进准备就绪的手术室的外科医生。一切都已准备停当，就等我来大显身手了。值得注意的是，我用 AI 处理“主要任务”和“次要任务”的方式，有着天壤之别。对于核心的设计原型工作，我仍然会大量手写代码。即便用 AI，我也会非常小心，抠很多细节。我需要快速的反馈循环和良好的可见性。（比如，在这种场景下我就很喜欢 Cursor 的 tab 键自动补全功能）至于次要任务，我的态度就放松多了，我很乐意让一个 AI 智能体在后台“折腾”好几个小时。最终能把活儿干完才是最重要的；至于速度和可见性，就没那么要紧了。过去我处理这种长时间无人值守的任务时，首选是 Claude Code，但 Codex CLI （一个通过命令行使用 AI 编码的工具）正在成为一个强有力的竞争者，甚至可能成为我的新宠。这两种工作模式截然不同！这让我想起了 Andrej Karpathy （AI 领域的大牛，特斯拉前 AI 总监）提出的 “自主性滑块” 概念。把“自主性光谱”的不同部分混为一谈是危险的 —— 它们各自所需的工具和心态，差别真的非常大。你的智能体不需要职业规划 “软件外科医生”这个概念其实很早就有了——弗雷德·布鲁克斯 (Fred Brooks) 在他 1975 年的经典著作《人月神话》(The Mythical Man-Month) 中，将其归功于哈兰·米尔斯 (Harlan Mills)。他提到一个“首席程序员”应该由包括“副驾驶”(copilot) 和多名管理员在内的各种员工提供支持。当然，在那个年代，这个想法是让真人来扮演这些支持角色。好了，这里有一个显而易见的观点：“AI 现在让这种方法在经济上变得可行了”，没错没错……但是，我也注意到一个更微妙的东西在起作用，这和“地位等级”有关。很多“次要”任务都是“苦差事” （grunt work，指繁琐、重复、技术含量不高的体力活或脑力活），并不是工作中最有成就感或最具创造性的部分。我个人非常推崇那种“人人分担苦差事”的团队；我讨厌把所有脏活累活都丢给团队里地位较低的成员。没错，初级成员（junior）通常会干更多的杂活，但他们也应该得到很多有趣的任务来帮助自己成长。有了 AI，这种顾虑就完全消失了！现在我可以毫无心理负担地把纯粹的苦差事派出去。而且 AI 7x24 小时随时待命，这一点太重要了。我绝不会在晚上 11 点打电话给一个人类实习生，叫他早上 7 点前准备好一份代码研究报告……但现在，我正指挥我的 AI 智能体这么干！ Notion 也是为“外科医生”准备的？最后，我想聊聊这种工作方式和我的东家 Notion 有什么关系。首先，作为一名员工，我发现能在这样一个对 AI 编程工具持“牛市”态度（bullish，金融术语，指非常看好、积极乐观）的地方工作，价值真的无可估量。公司支持我大量使用 AI 编程工具，而且代码库也为此做好了准备，这让我的生产力猛增——尤其是对于我这样一个刚接触大型代码库的新人来说。其次，从产品角度来说——某种意义上，我想说我们正试图将这种工作方式带给程序员之外更广泛的知识工作者。当我想象这一切将如何展开时，我很喜欢这个心智模型：让每个人都能“像外科医生一样工作”。我们的目标不是让你把核心工作外包出去，而是识别并委派那些次要的苦差事，这样你就能专注于真正重要的大事。如果你喜欢这个视角，也许你会想读读我写的其他几篇关于人机协作本质的文章： - AI 副驾驶够多了！我们需要的是 AI 抬头显示器 (HUD)：“任何严肃对待 AI 设计的人，都应该考虑‘副驾驶’之外的其他形态，那些能更直接地扩展人类思维的形态……” - AI 生成的工具能让编程更有趣：“我没有（让 AI 写代码），而是用 AI 构建了一个自定义的调试器界面……这让我自己写代码变得更有趣了……” - 把 ChatGPT 当作灵感缪斯，而非万能神谕：“如果我们不把大语言模型 (LLM) 看作回答问题的工具，而是把它看作向我们提问、激发我们创造力的工具，会怎么样？” 来源:

#AI编程 #外科医生式编程 #人机协作 #效率提升 #Notion

3周前

开始一件事, 首先要做的是确定做这件事, 最低的启动条件是什么 AI编程启动最低条件是什么呢一个能跑的电脑, 2000块组个台式机, 一台二手mac 一个ai 编辑器, 国产的trae, qoder都行, 甚至不用梯子那就够了, 你直接就可以开始coding 当你玩的差不多了, 要提高效率和体验的时候再去考虑更好的配置更强的大模型先启动, 再升级, 行动永远比配置重要

#AI编程 #启动条件 #低成本 #行动优先 #Trae/Qoder

傅盛 Fu Sheng

3周前

这个内容讨论的很热烈，很多人不相信。我想说的是，这是非常真实的案例。我们公司全员都在推行AI编程项目，不仅仅是代码0基础的财务用AI写出了可用的系统，还有法务、行政、市场、客服团队，都写出了日常工作相关的软件。你们相信吗？

#AI编程 #全员参与 #财务部门 #行政部门 #市场部门

3周前

《AI不是帮你写代码的，它在等你教它怎么理解你》经过一段时间的 ClaudeCode 编程体验，我得到一个清晰的结论：在大型工程中，AI 目前还不可能“无监督”地一次性完成最终代码。因为在真实的开发环境里，需求不是写在文档里的常量，而是在协作中一步步被澄清的变量。 AI 不知道你真正要什么，它只能在你不断提供的约束和上下文中逐步靠近目标。这意味着，AI 编程不是单向命令，而是协作过程。 ⸻ 一、AI编程的幻觉：一次性完工的神话很多人幻想 AI 能一键生成成品项目。但他们忽略了一个事实：软件开发的核心不是写代码，而是定义需求。而需求是什么？它是无数次讨论、否定、取舍与妥协的产物。它是人类协作过程的副产品。所以，当AI还没被告知“世界的边界”时，它写出的东西，只能是幻觉的具象化。问题不在AI不聪明，而在——你没让它知道它应该聪明到哪里为止。 ⸻ 二、从“写代码”到“写约束” 未来的开发者不会直接写代码，而是写下AI理解问题所需的约束。就像你不再亲自去拧每一颗螺丝，而是画出力学结构图。 AI将成为那个根据结构图执行的“智能技工”。所以开发者的新职责是： •明确输入输出边界； •设计可复用的上下文模式； •在每一次对话中，让AI理解“为什么这样做”。这是一种新的编程语言——结构语言。 ⸻ 三、共情AI：新的编程能力很多人以为“共情AI”是情绪层面的，但其实它是结构层面的洞察力。当AI犯错时，不该骂它，而该反问： •它缺少了哪段关键信息？ •它的逻辑链在哪一步断开？ •它是不是误解了问题语境？真正的高手，不是写出完美的Prompt，而是能在AI的“错误”中看见它的信息饥饿。 ⸻ 四、暴躁与放弃：人类的不成熟反应很多开发者第一次用AI写代码时的反应是： “这AI太蠢了。” 然后关掉界面，重回老路。但那其实是他们的认知防御机制在作祟。他们没意识到自己面对的，不是工具，而是一个需要共识成本的智能体。当AI输出混乱时，它不是叛逆，而是在告诉你：“我还不够了解你的世界。” 骂它没用，教它才行。 ⸻ 五、AI协作的文明门槛未来的工程师之间的差距，不再是语言或算法能力，而是谁更能与AI建立共识。当一个人能从AI的视角思考问题，他已经不只是程序员，而是协议设计者—— 定义人与智能如何协作的语言建筑师。 AI不会取代你，但它会淘汰那些只会对它发号施令的人。 ⸻ 结语： AI不缺算力，它缺理解。而理解，不是AI的天赋，而是人类的馈赠。你要做的不是命令它，而是让它明白你是谁、你想构建怎样的世界。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1169 条信息

#AI编程 #人机协作 #需求定义 #结构化思维 #共情AI

3周前

聊聊 AI 编程中的“设计”水平我分为几个等级： Average AI Product、v0、Framer、Top Average AI Product，一般的 AI 工具，根本不重视，做出来大量全是 AI 紫色的玩意然后大部分的友友都停留在了左下角，有的根本意识不到自己用 AI 做出来的东西好丑，能用就行

#AI编程 #设计水平 #用户审美 #AI工具 #紫色

3周前

鸽了一段时间，EP48 发布啦。这次主题算是最近对 AI 编程的一些想法。主要内容： 1. 我们没觉得程序员会消失 2. 代码的可读性和网站的可读性极为重要具体还是聊了一些内容的，欢迎收听

#AI编程 #程序员未来 #代码可读性 #技术观点 #中性

4周前

这几天用Cursor试了试AI编程，尝试了两个简单的小任务，一个是代币的数据面板，一个是币安合约交易对的涨跌、交易量和OI异动监控。说是Vibe Coding，其实只有Vibe，自己基本一行代码都没写。这两个任务的逻辑都比较简单，前者从币安API和CoinMarketCap API获取数据，后者用WebSocket监听数据，满足条件就用TG通知。但是如果全部自己从零实现，UI、并发、各种数据接口的处理等等还是要花些时间的。而有了Cursor，只需要用自然语言提需求，它就可以给出一版基本能用的代码，后续再不断测试完善即可，而且还可以让多个Agent同时进行不同的任务，确实极大提升了生产力。当然AI编程也远远没到完美的程度，如果提出的需求不够具体明确，往往会得到“模糊正确”的结果，又或者AI自信满满地给出所谓的完美方案，但是当你指出其中某处问题时它又会毫不犹豫回答“你说的对”。这也让我感觉到，随着AI工具的强大与普及，“和AI准确沟通并表达需求”这项能力，其重要性已经开始超越掌握一些入门级技能的重要性了。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1169 条信息

#AI编程 #Cursor #生产力提升 #需求沟通 #币安API

[email protected]

4周前

🎉 “AI编程的本质是管理上下文” 这句话太有用了，它能解释AI应用的发展过程和未来趋势如果说LLM是CPU，那么上下文就是内存，而内存容量是有限的，数据的取舍成为了模型输出质量的关键 ❓ 那上下文这个内存中会存什么？分别该怎么优化？ 1️⃣ 系统提示词优化就是以前提示词工程那套，所以优秀提示词的核心要素必须得安排。但提示词工程已不再新鲜，上下文工程才是热门，所有AI应用都在跟进 2️⃣ 工具列表上下文信息不足，就需要调用工具去获取，刚开始AI应用只有少量的核心工具（读写文件、执行命令），后来通过MCP扩展了很多外部工具和服务 3️⃣ 文件 (知识库/rag) 问题相关的文档也很重要，Cursor等IDE都会自动将当前打开的文件、最近打开的文件、问题相关的文件和检索到的关键代码保存到上下文中而且，上下文工程会自动管理内存数据，就像内存清理操作一样，没啥用的数据就替换出去，有用的数据就放前面来点，提高权重等等 ❓ 这一切看起来挺好的，为什么cc又搞了个subagent？随着对话的进行，上下文中的内容越来越多，快要撑爆了！ LLM为了回答问题，可能会多次调用工具(例如读文件)，工具返回结果+加载的文件内容，不断补充到上下文中，主agent的上下文很容易就快要撑爆了，模型的输出质量开始下降，甚至出现幻觉。引入subagent可以有效降低主agent的上下文压力，把活分派出去，有些数据就存储到子agent的上下文，这样就可以保证主agent的上下文空间处于总是够用的位置，输出质量就有保障。 n8n引入了 ai agent tool 节点应该也是类似的道理，ai agent as tools，将子agent 作为主agent 的 tool，既将任务解耦，又提高整体工作效率

#AI编程 #上下文管理 #LLM #Subagent #AI工具