 |
1
qwei OP 我平时还会用 ide 来写小说、写公众号。
不过写小说就是古法，分文件夹，分别放世界观、摘要、人物规划什么的，ide 就是带设定然后对话出文章，然后自己审查调整。 而公众号就更古法了，自己找主题然后对话出大纲、调整大纲、对话写文、调整内容，然后网上去生图。公众号我总觉得一句话直接发表这种工作流不靠谱，所以只希望能用 ai 来完善文章、生图，但是 ide 没办法做成工作流（也许能，是我太弱导致不会弄），很烦。 |
 |
2
sprinng 1 day ago
|
 |
3
Sundayz 1 day ago
基本上就是这么用的，大体流程就是：交代背景 -> 设置约束 -> 制定目标 -> 开始执行 -> 代码审查，网上各种花里胡哨的都是没卵用的。
|
 |
4
junwind 1 day ago
我用 ai 不需要什么工作流，计划。直接言出法随。主要用来编程，偶尔处理别的任务（ excel ，word ，软件安装，环境配置等）。直接对话就解决问题。哥们，相信我，言出法随就是对的，如果你觉得还不够。那就是现在 Ai 还不行。等等就行了，Ai 时代，学得慢就不用学了，过段时间说不定就解决了。
|
 |
6
kuhung 1 day ago
我认为大概有这么几点：
1. Claude 模型需要更少约束，codex 需要更多。分清楚 vibe 还是严肃，vibe 项目就别加太多 skills ，讲究一个言出法随。 2. 严肃迭代项目：设置好上下文、交付目标，定义好你的编码风格和习惯；小块迭代而不是大范围块状交付。 3. 设置好版本管理，每次变更都提交 git ，方便回退也方便模型自己看改了什么。 4. 总体来说，思想是分治，行动上是渐进披露、逐步控制。 |
|
8
qwei OP 都说要睁眼看世界，我感觉我睁太大了（或者是太小了），看到的都是各种专项高效的使用方式，什么一键这个一键那个，一句话出一个项目，主 agent+子 agent 。还有之前的三省六部，想配一下试试能不能 vibe 个小项目出来最终也搁浅了，感觉追不上了，越发的焦虑，感觉马上就被社会淘汰了。
|
|
9
kuhung 1 day ago
三省六部那个是真不行，纯上下文腐败。做一两个项目，在它的基础上发展出你的风格才是关键。直接套，无论是谁的都不建议。
|
 |
10
unusualcat 1 day ago
非程序员，我是根据自己的需求，让 ai 给我做一些小的软件。会给出需求，目标，约束条件，但不会用软件工程的方法去开项目。目前用的还可以。但我个人认为如果大的软件项目的话，还是需要分拆模块，用软件工程的方法论去指导 ai 做事的。
|
 |
11
hugo54 1 day ago
我建议聚焦一些，深耕特定领域，没必要刻意学“最佳实践”，在真实迭代中逐渐摸索最适合自己的工作流。另外多试试不同的 Coding Agent ，比如 Claude Code 和 CodeX 。
|
 |
12
Retas 1 day ago
想快速提升的话去 B 站和油管找 Vibe Coding 录屏学习大佬是怎么用的，找渠道用上 Claude Code 和 Codex 最顶尖的模型发挥 AI 最大的 Agent 能力，每个月花个一两百足够，接下来就是通过使用经验不断去完善自己的工作流。
|
 |
13
pmer 1 day ago
|
 |
14
xyooyx 1 day ago
放弃 code review ，只对齐最终效果
|
 |
18
catwalk 1 day ago
付费，用最好的模型，别在为了找免费而浪费时间
|
 |
19
xiaomeibb 1 day ago
@qwei 对比过来还是 cursor 最强，善解人意。而且有不少共享的网站，这里有一个 cursor 便宜的共享站 https://oon.nz/r/ykM 可以试试看
|
 |
20
weegc 1 day ago
人力 code review 只在代码修改比较少的情况下可以做，动不动修改了几万行，review 不过来，又怎么解决？
|
 |
21
CodeCaster 13h 31m ago
https://github.com/fitlab-ai/agent-infra ，我自己一直在沉淀工作中的工作流，的确需要按照软件工程的方法来一点一点迭代演进：
1. 先发现问题，然后通过自然语言和 AI Agent 交流定义清楚问题，然后用 skill ，/create-task ，创建一个任务 2. 接下来就是分析循环（/analyze-task 和 /review-analysis ） 3. 接下来是设计循环（/plan-task 和 /review-task ） 4. 最后是编码循环（/code-task 和 /review-code ） 5. 上面的 3 个循环在不同 TUI 交接过程中，他们会自己解决发现的问题，如果有些他们判断不应该自由发挥，就上升到人类决策，就提示我来看，然后我就分析下自然语言和他们说了继续 6. 全部搞定，就 /commit -> /create-pr -> /complete-task |
 |
22
Chuckle 12h 43m ago
我目前的一个实践：
前期： 设计一个能让 AI 记录试错、任务，并能提供信息给 AI 的环境。 中期： 正常使用 ai ，ai 做错了，要指出，并且让 ai 自己记录。对话中有人为指出的“经验”要自动记录。 ai 写的代码，逐行 cr ，脑跑业务逻辑，测试环境验证，遇到问题无论大小都让 ai 改，哪怕只是一个参数传错了，也要在对话框告诉 AI 为什么错，应该怎么做。 后期： ai 已经认识了大部分项目，养好了，现在你在做“熟悉”的项目和“熟悉”的任务时，可以不需要 cr ，或者只是一目十行大概看看。最后只需要在测试环境验证。 另外，我发现，现在我只需要几句话，就能让 AI 经过 5 次上下文压缩，一次对话完成了一个要修改 3 个仓库、50+文件的复杂任务，即使我的提示词里并没有让 ai 一次完成长任务，可能是 ai 获得了足够多的信息，自己判断了能够一次对话完成。另外最初的提示词我也是自然语言描述 3 个仓库的名字，“参考旧**组件，将近期新的提交迁移到新的**和**组件”，因为之前已经在这三个仓库里做过了很多任务了，所以 AI 自然知道对应的是哪些仓库，本地位置在哪。模型用的 glm5.2 |
Select Language