#开发效率

avatar
Barret李靖
22小时前
编程，正在变成一件几乎不需要消耗专注力的事情。 你不再需要长时间盯着屏幕推敲实现路径，也不再需要在脑子里反复模拟执行流程。尤其是在从零到一的阶段，做一个只服务自己的小工具，写一个解决当下问题的产品，这种变化最明显。把需求讲清楚，让它生成，跑起来，能用就行。不满意，再来一版。软件从“需要被设计好”，变成“先被生成出来”。 更微妙的变化，是控制权的转移。起初我们在定义问题，后来在修正答案，再后来，开始顺着它的思路往下走。那句“你这个思路继续展开”，说多了之后，人会慢慢放下判断，转而去筛选。经验没有消失，但它的使用方式变了，从提前定调，变成事后挑选。AI 会不断给出路径，它不太在意路径之间是否统一，它更在意能不能把事情做成。 这也是边界开始出现的地方。AI 在从零到一的生成上非常激进，但一旦进入长期维护，它就开始失控。它的目标很直接，把当前问题解决掉，于是会不断引入新的结构、新的依赖、新的路径。局部看都成立，整体却在变形。系统的复杂度没有被消化，只是被一层一层覆盖。时间一长，代码会“写飞”，稳定性和可维护性被悄悄透支。 于是你会看到一个很清晰的分裂。一边是个人工具、一次性产品，被压缩到极致，从想法到可用，只需要很短的时间，软件像内容一样被生产和消费。另一边是复杂系统，依然需要架构、需要约束、需要人去维持边界，AI 还没有能力吞掉这部分复杂度。 软件在加速蒸发。 1. 在从零到一、为自己而生的场景里，它已经变成即时产物，写出来，用掉，替换掉，不再积累历史，不再追求长期形态。软件在这里变得越来越轻，也越来越不值钱。 2. 而真正有重量的部分，留在系统里。留在那些需要长期演化的结构、需要被约束的复杂度、需要被持续看住的边界里。AI 可以不断生成答案，但系统这件事，仍然需要有人盯着它，让它不至于在“不断做成事情”的过程中，悄悄失去形状。
#编程自动化 #软件开发 #人工智能 #技术变革 #工作流程 #专注力 #开发效率
avatar
sitin
1周前
最近看到一个开源项目 cmux，我觉得它挺有意思的。 平时开 3～5 个 Claude Code / Codex 已经是常态了，但只要任务一并行，马上进入混乱模式：这个在改接口，那个在跑测试，还有一个在那儿卡着不动，你甚至分不清它是在等你输入，还是已经挂了。 所以刷到了这个专门为这种场景做的开源工具。 它站在终端这个大家已经很熟的环境里，补了一些很关键但一直没人认真做的东西。比如它把每个工作区的信息直接摊开：Git 分支、端口、PR 状态、最近的输出，你一眼就能知道“这个窗口现在在干嘛”。 它把“哪个 agent 在等你”这件事做得特别直观。不是那种一闪而过的通知，而是直接在对应 pane 上高亮提示。你不用再靠记忆去找哪个窗口卡住了，扫一眼就知道下一步该切去哪，这种体验是那种用了就回不去的。 它把浏览器也收进来了，而且是可以被 agent 操作的那种。终端里跑代码，旁边直接开页面验证，甚至可以自动点按钮、填表单，这种“写代码 + 验证 + 自动化操作”在一个界面里闭环的感觉，很接近我理想中的 AI 工作台。 cmux 解决的其实就是这个问题：不是让 AI 更强，而是让你在多 agent 并行的时候，不至于失控。
#开源项目 #cmux #Claude Code #Codex #终端工具 #开发效率 #任务并行
avatar
LIN WEI
5个月前
还可以再解释细一点，当项目没有明确定义时，rust 为啥会显得笨拙？因为此时不但需求会随时间变来变去，更要命的是你没有一份十年没变过的 C 代码做参考，对项目整体实现缺乏全局的认识，只有自底向上的方法不断尝试和修正自己，不段反思和改进中上层代码，才能像盲人摸象那样逐步认清楚整个世界因该是啥样，而此时类型体操会在这时勒得你喘不过气来，一个之前需要横着用的变量现在需要竖着用了，你思来想去发现你完全没办像其他语言那样改成法竖着用了，于是你只有引入更大范围的重写才能解决问题，你觉得这样很难受，去 rust 社区寻求帮助，但发现他们并不会帮助你真的解决语言问题，只会一个劲的指责你 “你觉得痛苦正是因为你对 rust 不熟悉导致的” 或者 “rust 逼迫你更大范围重写正是逼你尽早写出更好的代码”，他们这么说在定义清晰的项目里的确没问题，越早重构越好，但在定义不清晰的项目上里存在大量中间设计，你今天改成这样，八成不是最终形态，隔几天可能还要改，而此时 rust 却逼迫你每次都提前费精力进行更大范围的重写，即使这时完全没必要的，过两天就不需要的，他也不许你像其他语言那样用快速实现的方式应对新的中间状态，等需求稳定了，技术方案也收敛的情况下再进行迭代和完善，然后你就抓狂了！
#Rust语言 #项目定义不明确 #重构 #类型系统 #开发效率
avatar
HappyQQ_AI
5个月前
优秀程序员的开发效率是普通程序员的10倍。 如果在AI的加持之下，优秀程序员的开发效率的普通程序员的100倍，是外行人的1000倍。
#程序员 #开发效率 #AI加持 #效率提升 #技术差距
avatar
sitin
6个月前
跟大家分享一下 Claude Code 必备的 MCP 工具合集，顺便聊聊什么是 MCP，以及怎么用。 1. MCP 是什么？ MCP 全称是 Model Context Protocol，中文叫“模型上下文协议”。 通俗点说，它就像一个 USB-C 接口，让大模型能直接去访问各种工具、代码库和数据源。Claude Code 就是一个 MCP 客户端，你可以把它连上 GitHub、Notion、Sentry 这些工具，用起来就跟本地指令一样顺畅。 2. MCP 的连接方式 MCP 一共有三种主要的连接方式： 本地 stdio：最常见，Claude 直接在你本地起进程，访问文件系统、本地 Git 仓库都靠它。 远程 SSE：适合实时推送的服务，比如协作工具 Linear，它会保持长连接，数据一更新 Claude 马上能收到。 远程 HTTP：最常见的云服务模式，比如 Notion、Vercel，Claude 需要的时候才发请求。 3. 管理 MCP 的常用命令 几个常用命令记一下： claude mcp list → 查看当前连了哪些 MCP claude mcp get <name> → 查看某个 MCP 的详情 claude mcp remove <name> → 移除不用的 MCP /mcp → 在聊天里触发 OAuth 授权 4. MCP 配置的作用域 配置 MCP 的时候，你可以指定作用域： local：只对当前目录生效 project：提交到仓库，整个团队一起用 user：全局配置，所有项目都能用 默认是 local，如果要改，就在命令里加 --scope。 5. 高频推荐的 MCP 工具 这里我整理几个最常用、最好用的： Filesystem MCP：读写本地文件，Claude 就能直接帮你改代码。 Playwright MCP：浏览器自动化，能开网页、爬数据、做 UI 测试。 GitHub MCP：直接拉 PR、看 Issue，让 Claude 自动写 Review。 Sentry MCP：读线上报错日志，Claude 能给你分析问题。 Vercel MCP：和部署打通，查日志、回滚版本都能直接干。 Context7 MCP：最新 API 文档聚合，避免 Claude 用旧的接口。 总结一下： MCP 就是一个标准化的“接口”，让 Claude Code 能无缝访问工具和服务。掌握这几个高频 MCP，你的开发效率能直接翻倍。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Claude Code #MCP工具 #模型上下文协议 #开发效率 #工具集成
avatar
刚开始咱想喷 openai 用 rust 来写 codex 会极大的影响开发效率，毕竟当时 openai 的 coding agent 水平确实不太行。 今天密集体验了 codex cloud，不得不吹一句 codex rust 版本是真的吊。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#OpenAI #Codex #Rust #开发效率 #积极
avatar
GitHubDaily
7个月前
在使用 Cursor、Cline 这些 AI 编程工具，有时候它们会无脑执行一堆命令，既浪费时间又增加开发成本。 面对这个问题，可以使用 Interactive Feedback MCP 这个开源的 MCP 服务器。 安装了这个 MCP 后，AI 助手在执行任务前会主动询问我们的意见，避免了盲目执行无效的开发任务。 GitHub： 主要功能： - 在 AI 执行命令前后加入人工确认 - 大幅减少高成本 API 调用次数 - 支持 Cursor、Cline、Windsurf 等 AI 工具 - 提供项目级配置与保存，可记住常用命令 - 支持运行命令并查看输出，提供实时反馈 虽然能减少 AI 的无效操作保证开发质量，但也意味着需要我们时刻盯着。感兴趣的朋友可以安装试试。
#AI编程工具 #Interactive Feedback MCP #开源 #人工确认 #开发效率
avatar
Y11
7个月前
为独立开发者准备的精选技术栈和工具仓库来了！这里有你最需要的工具，帮你提升开发效率、节约成本，最重要的是——这些工具都是市场上热门的，经过验证的。🚀A curated collection of tech stacks and tools tailored for independent developers is here! these are proven, popular tools widely used in the industry. 🚀
#独立开发者 #技术栈 #工具仓库 #开发效率 #热门
avatar
Mr Panda
8个月前
我并不太喜欢 Python ， 设计上既不优雅也不简洁。 但我选择使用python 原因有两点： 一、AI 有关的生态丰富度够高，是其他语言难以相比的 二、开发效率足够高，对于原型项目，对于正在寻找PMF 早期的AI 项目实在太合适了。
#Python #人工智能 #生态系统 #开发效率 #原型项目
avatar
Richard
9个月前
Go为什么用起来这么爽，理由见下图
#Go语言 #编程体验 #开发效率
avatar
ginobefun
9个月前
#BestBlogs 【第 3523 期】程序员专属提示词工程实战手册 | 前端早读课 程序员提示词工程实战指南，高效利用 AI 编程助手提升开发效率。 摘要： 本文为程序员提供了一份实用的提示词工程实践手册，旨在帮助开发者更有效地与 AI 编程助手协作。文章详细阐述了编写高质量提示词的基础原则，包括提供充足上下文、明确目标、拆分复杂任务、提供示例、使用角色扮演以及通过迭代对话进行完善。 随后，针对代码调试、重构优化和新功能实现这三大核心编程场景，文章深入讲解了如何应用这些原则设计出能获得最佳 AI 回应的提示词，并通过对比“糟糕”与“优化后”的实际示例，直观展示了良好提示词的效果。文章强调了提示词质量对 AI 产出结果的决定性影响，并提供了丰富的实操技巧，对于希望提升 AI 辅助编程能力的开发者具有直接的指导价值。 主要内容: 1. 提示词质量直接决定 AI 编程助手的输出效果 -- 提供清晰、具体、包含足够上下文（代码、语言、框架、错误）的提示词，是获得 AI 准确、有用回应的关键。 2. 结构化提示可高效应对不同编程任务 -- 针对调试、重构、生成代码等场景，设计有针对性的提示词模式（如包含错误信息、重构目标、预期示例），能引导 AI 给出精准解决方案。 3. 与 AI 协作是迭代过程，需持续优化提示 -- 将 AI 视为伙伴，根据其初步回答进行追问、纠正或补充细节，通过多轮交流逐步完善提示和最终代码。 4. 利用角色扮演和示例可提升 AI 理解和输出质量 -- 让 AI 扮演特定角色（如专家、导师）或提供输入/输出示例，能让 AI 更贴近需求并给出更专业、更符合预期的结果。 文章链接：
#程序员 #提示词工程 #AI编程助手 #开发效率 #实用指南
avatar
XiaoPeng
10个月前
开发效率是提高了很多，现在是怎么把效率转化成钱的问题。
#开发效率 #效率转化 #盈利模式
avatar
独立开发四大错觉： 1、Remix 比 Next.js 开发效率高 2、Cloudflare Pages/Workers 比 Vercel 省心省钱 3、Neon 比 Supabase 便宜 4、Creem 比 Stripe 好提现 当然也不是说后者一定比前者好，技术栈和平台选择是很复杂的事情，不适合场景A的可能非常适合场景B。如果一定要选，谁说的也别听，去选AI更熟悉的那个。
#独立开发 #开发效率 #Remix #Next.js #Cloudflare Pages #Vercel #Neon #Supabase #Creem #Stripe #技术栈选择 #AI
avatar
Tang🚀
1年前
兄弟们 你们有使用过Cursor吗？感觉如何？我先说我的体验，八个字总结 弃之可惜，食之无味 不知道是不是因为我主要写后端。你们知道的，如果计算金额错一点，那都是灾难。 所以，我对它生成得代码，如果不加思索的去接受，那可真不放心。如果一个个检查呢，又觉得费劲。 然后，感觉还不如自己写。
#Cursor使用体验 #后端开发 #代码生成工具 #程序员思考 #开发效率