正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Vibe Coding 不流行了? Spec Coding 教程来啦给大家带来 Kiro Spec Coding 小教程! 总计4个场景: 场景A: 15000 行 C 代码的项目 cJSON 移植到 TypeScript, 全程一行代码都没动手写场景B: 懒得写 Spec 也没事, 使用 Vibe 写 Spec 场景C: 用 Spec 来改现有项目中难以修复的 bug 场景D: 用 Spec 重构 4000 行代码放在一个文件里的屎山项目我的经验是, Spec Coding 生成的 design, requirements 和 tasks 一定要认真审阅,... show more

karminski-牙医

31,441 subscribers

17,486 次观看 • 1 年前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

📒 学习一下 Kiro 的 AI 开发工作流 Spec 感觉像一个擅长项目管理的技术经理 👨‍🚒 💻 Kiro 是 AWS 出的新的 AI IDE，亮点除了免费的 claude 4 之外，是他采用的 Spec 这种工作方式 🗂一个 Spec 可以说是一个规格/规范，如果用过BDD (行为驱动开发) 可能就会比较熟悉这个名词 ❓Spec 是用来解决如何把模糊的想法转化为详细的实施计划、跟踪和验收标准的问题每一个 Spec 目录下都包含 3 个文件，代表三个阶段： 1️⃣ - 需求文档：用户故事和验收标准，采用了简易需求语法方法 (EARS) ，是一种约束文本需求的机制 2️⃣ - 架构文档：记录技术架构、序列图和实施注意事项 3️⃣ - 任务清单：提供具体的 todolist，便于跟踪

📒 学习一下 Kiro 的 AI 开发工作流 Spec 感觉像一个擅长项目管理的技术经理 👨‍🚒 💻 Kiro 是 AWS 出的新的 AI IDE，亮点除了免费的 claude 4 之外，是他采用的 Spec 这种工作方式 🗂一个 Spec 可以说是一个规格/规范，如果用过BDD (行为驱动开发) 可能就会比较熟悉这个名词 ❓Spec 是用来解决如何把模糊的想法转化为详细的实施计划、跟踪和验收标准的问题每一个 Spec 目录下都包含 3 个文件，代表三个阶段： 1️⃣ - 需求文档：用户故事和验收标准，采用了简易需求语法方法 (EARS) ，是一种约束文本需求的机制 2️⃣ - 架构文档：记录技术架构、序列图和实施注意事项 3️⃣ - 任务清单：提供具体的 todolist，便于跟踪

Booker Zhao

91,663 次观看 • 1 年前

GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况：第一版看着挺对。第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。 Spec Kit 想解决的就是这个问题。先把需求定义清楚。再让 AI 干活。需求 → 计划 → 任务 → 代码。整个过程都有据可依，而不是一路靠 Prompt 猜。核心亮点： - 一句话需求自动生成 Spec，验收标准、边界条件一起补全。 - Spec 自动转开发计划，任务拆分、技术方案、测试清单直接生成。 - Claude Code、Copilot、Gemini、Codex 等 30+ AI Coding Agent 全兼容。 - 支持 Preset 和 Extension，团队规范、行业模板直接复用。 - 新项目、功能迭代、遗留系统改造，一套流程全覆盖。我最喜欢的一点是：它不是教 AI 写更多代码。而是尽量避免 AI 从第一步就写错代码。如果你已经开始用 AI 做开发，这个项目值得放进收藏夹。

GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况：第一版看着挺对。第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。 Spec Kit 想解决的就是这个问题。先把需求定义清楚。再让 AI 干活。需求 → 计划 → 任务 → 代码。整个过程都有据可依，而不是一路靠 Prompt 猜。核心亮点： - 一句话需求自动生成 Spec，验收标准、边界条件一起补全。 - Spec 自动转开发计划，任务拆分、技术方案、测试清单直接生成。 - Claude Code、Copilot、Gemini、Codex 等 30+ AI Coding Agent 全兼容。 - 支持 Preset 和 Extension，团队规范、行业模板直接复用。 - 新项目、功能迭代、遗留系统改造，一套流程全覆盖。我最喜欢的一点是：它不是教 AI 写更多代码。而是尽量避免 AI 从第一步就写错代码。如果你已经开始用 AI 做开发，这个项目值得放进收藏夹。

开发者Hailey

22,153 次观看 • 5 个月前

别让 AI 做一步停一步了！分享 4 种让 AI 持续编程直到任务完成的方法。重点是：学会写“循环提示词” = 写一份合格的 Spec 文档。适合修 Bug、代码迁移、提升测试覆盖率等场景。干货满满，建议收藏 👇

别让 AI 做一步停一步了！分享 4 种让 AI 持续编程直到任务完成的方法。重点是：学会写“循环提示词” = 写一份合格的 Spec 文档。适合修 Bug、代码迁移、提升测试覆盖率等场景。干货满满，建议收藏 👇

Vincent

13,825 次观看 • 6 个月前

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

阿西_出海

43,748 次观看 • 5 个月前

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

116,269 次观看 • 1 个月前

这场播客的价值，超过你 500 美元购买的 Vibe Coding 课程。 Claude Code 的开发者：“目前你仍然需要懂得如何编程。一两年后，这就不重要了。自十一月以来，我没有手动编辑过一行代码。” 完整播客：评论区👇

这场播客的价值，超过你 500 美元购买的 Vibe Coding 课程。 Claude Code 的开发者：“目前你仍然需要懂得如何编程。一两年后，这就不重要了。自十一月以来，我没有手动编辑过一行代码。” 完整播客：评论区👇

美少女战士_Ayla

40,203 次观看 • 4 个月前

两年前，MiniMax的闫俊杰问DeepSeek的梁文峰：你做不做AI Coding ？梁文峰说：不做，中国会写代码的人也就100-200万人，市场太小了。结果现在AI Coding是主战场 😂 白领办公领域的Agent是更大的一个市场，是coding市场的数十甚至上百倍；即便Coding Agent让编程门槛大大降低，白领办公市场也比写代码的市场大得多但这个市场不如coding的地方是：程序员收入高，付费意愿强；白领工资普遍不如程序员，付费意愿和单次付费金额都是问题

两年前，MiniMax的闫俊杰问DeepSeek的梁文峰：你做不做AI Coding ？梁文峰说：不做，中国会写代码的人也就100-200万人，市场太小了。结果现在AI Coding是主战场 😂 白领办公领域的Agent是更大的一个市场，是coding市场的数十甚至上百倍；即便Coding Agent让编程门槛大大降低，白领办公市场也比写代码的市场大得多但这个市场不如coding的地方是：程序员收入高，付费意愿强；白领工资普遍不如程序员，付费意愿和单次付费金额都是问题

马识途

198,985 次观看 • 4 个月前

全程使用 github copliot 完成，没写一行代码，除了首页 hero 的背景图是自己找的。步骤/地址如下：

全程使用 github copliot 完成，没写一行代码，除了首页 hero 的背景图是自己找的。步骤/地址如下：

meetqy

72,094 次观看 • 1 年前

卧槽！Codex 6.1 装上 Spec Kit，返工率直接降低 90% 别再让 AI 一上来就写代码了！页面做出来了，按钮能点，结果一验收：权限没做、数据没存、业务逻辑全是漏洞你以为 AI 在帮你提效，实际上你在陪 AI 一轮轮返工！直接干直接用，直接复制给 Codex：「请使用 GitHub Spec Kit 的规范驱动开发流程推进当前项目。先明确需求、边界条件、业务规则和验收标准，再制定技术方案、拆解任务。未经我确认，不要直接进入大规模编码。实现过程中逐项对照验收标准，补齐必要的测试，发现需求冲突或实现偏差时先指出问题，再给出修正方案。」它能直接帮你： 1、先定需求：把功能、权限、业务规则和验收标准全部写清楚，减少 AI 自己脑补 2、再拆任务：把整个项目拆成可执行的小任务，明确依赖关系，避免东写一个功能、西补一个接口 3、最后执行：让 Codex 按任务逐步开发，每完成一部分，就对照需求检查，发现偏差及时修正。项目越复杂、涉及模块越多，这套流程越值得用 AI 写代码的速度决定你能跑多快，需求和验收流程决定你要返工多少次对了，我还做了趣味小屋，有想要源代码的吗？

卧槽！Codex 6.1 装上 Spec Kit，返工率直接降低 90% 别再让 AI 一上来就写代码了！页面做出来了，按钮能点，结果一验收：权限没做、数据没存、业务逻辑全是漏洞你以为 AI 在帮你提效，实际上你在陪 AI 一轮轮返工！直接干直接用，直接复制给 Codex：「请使用 GitHub Spec Kit 的规范驱动开发流程推进当前项目。先明确需求、边界条件、业务规则和验收标准，再制定技术方案、拆解任务。未经我确认，不要直接进入大规模编码。实现过程中逐项对照验收标准，补齐必要的测试，发现需求冲突或实现偏差时先指出问题，再给出修正方案。」它能直接帮你： 1、先定需求：把功能、权限、业务规则和验收标准全部写清楚，减少 AI 自己脑补 2、再拆任务：把整个项目拆成可执行的小任务，明确依赖关系，避免东写一个功能、西补一个接口 3、最后执行：让 Codex 按任务逐步开发，每完成一部分，就对照需求检查，发现偏差及时修正。项目越复杂、涉及模块越多，这套流程越值得用 AI 写代码的速度决定你能跑多快，需求和验收流程决定你要返工多少次对了，我还做了趣味小屋，有想要源代码的吗？

govin.eth | G哥

84,730 次观看 • 28 天前

使用 Claude Code、Cursor 这些 AI 工具写代码时，很多人都是直接这样说：帮我开发一个 AI 聊天应用。瞬间能看到几百行代码生成，给人感觉确实很不错，若再让它加个登录注册功能，却发现所有代码直接重写。这就是 “氛围编程” 给大家带来的困扰，为此 GitHub 团队开源了 Spec Kit 这款工具，专门用来规范化我们使用 AI 工具的开发流程。让我们先用自然语言写清楚具体 “做什么” 和 “为什么”，然后再交给 AI 写代码。并且通过统一的规格模板和强制评审机制，把模糊需求逐步转化为高质量、可追溯的代码实现。 GitHub：整个开发过程都有完整的记录和追溯，即使六个月后回头看项目，也能清楚理解当初每个设计决策的来龙去脉。目前该工具开源不到一个月时间，便收获了 19.8k+ Star，已支持 Claude Code、Gemini CLI、Cursor 等 AI 工具。通过 uvx 安装后即可使用，提供了详细的教程文档，值得每位使用 AI 编程工具的同学看看。

使用 Claude Code、Cursor 这些 AI 工具写代码时，很多人都是直接这样说：帮我开发一个 AI 聊天应用。瞬间能看到几百行代码生成，给人感觉确实很不错，若再让它加个登录注册功能，却发现所有代码直接重写。这就是 “氛围编程” 给大家带来的困扰，为此 GitHub 团队开源了 Spec Kit 这款工具，专门用来规范化我们使用 AI 工具的开发流程。让我们先用自然语言写清楚具体 “做什么” 和 “为什么”，然后再交给 AI 写代码。并且通过统一的规格模板和强制评审机制，把模糊需求逐步转化为高质量、可追溯的代码实现。 GitHub：整个开发过程都有完整的记录和追溯，即使六个月后回头看项目，也能清楚理解当初每个设计决策的来龙去脉。目前该工具开源不到一个月时间，便收获了 19.8k+ Star，已支持 Claude Code、Gemini CLI、Cursor 等 AI 工具。通过 uvx 安装后即可使用，提供了详细的教程文档，值得每位使用 AI 编程工具的同学看看。

GitHubDaily

108,599 次观看 • 1 年前

我写了个代码编辑器，叫 Mayoi。现在大家的工作方式变了，已经很少手动改文件。所以，每天大部分需要用到 editor 的场景是： 1. 看 diff 2. review agent 写的代码 3. 打开几个文件确认一下 3. 开个终端，起下一个 agent VS Code 和 Cursor 是为以前那种写法造的。Cursor 装完快 1 GB，一大堆功能我从来不用。所以我给现在的写法做了一个。 - 所有改动在一个 diff 里看，行内或左右对照，在行号旁直接 stage 或 revert - 终端用的是 Ghostty 的内核，放底部面板或单开一个 tab 都行，⌘V 能把截图直接贴给 Claude Code - 所有仓库开在一个窗口里，后台项目的 agent 一响铃，它的 tab 就会亮 - 快速打开、全局搜索、Markdown 预览、Vim 模式、Remote SSH 内置 Qoder、Claude 和 Matrix 等主题。Matrix 那款有代码雨。够小： - 应用 24 MB，Cursor 970 MB - 内存约 180 MB，Cursor 约 1.3 GB，都是此刻我电脑上开着的数字 - 10 万行的文件，打开约 20 ms Go 写的，基于 MyGo，GPU 直接画原生 UI，没有 Electron，没有 webview。 MIT 开源，试试 👇

我写了个代码编辑器，叫 Mayoi。现在大家的工作方式变了，已经很少手动改文件。所以，每天大部分需要用到 editor 的场景是： 1. 看 diff 2. review agent 写的代码 3. 打开几个文件确认一下 3. 开个终端，起下一个 agent VS Code 和 Cursor 是为以前那种写法造的。Cursor 装完快 1 GB，一大堆功能我从来不用。所以我给现在的写法做了一个。 - 所有改动在一个 diff 里看，行内或左右对照，在行号旁直接 stage 或 revert - 终端用的是 Ghostty 的内核，放底部面板或单开一个 tab 都行，⌘V 能把截图直接贴给 Claude Code - 所有仓库开在一个窗口里，后台项目的 agent 一响铃，它的 tab 就会亮 - 快速打开、全局搜索、Markdown 预览、Vim 模式、Remote SSH 内置 Qoder、Claude 和 Matrix 等主题。Matrix 那款有代码雨。够小： - 应用 24 MB，Cursor 970 MB - 内存约 180 MB，Cursor 约 1.3 GB，都是此刻我电脑上开着的数字 - 10 万行的文件，打开约 20 ms Go 写的，基于 MyGo，GPU 直接画原生 UI，没有 Electron，没有 webview。 MIT 开源，试试 👇

陈成

28,051 次观看 • 1 个月前

朋友们，我发现一个超级哇塞的技能现在已经有不少不错的工具可以画出好看的项目架构图，但大多是静态的，不能交互。今天分享的这个不一样，它是会动的！视频里是我在 MkAgent 项目下执行出来的效果，一次搞定。它会根据项目的 logo、主题风格等信息，生成对应的架构图。不仅如此，它还能分析代码，找出核心节点，生成节点信息和节点关系。每个节点都可以点击，右侧会显示该节点的详细信息。最终产物是一个 HTML 文件：展示核心架构和工作流程，并且支持动画自动演示调用流程。这个挺有意思，以后读新项目代码可以先用它。

Fox

75,312 次观看 • 2 个月前

最近看到很多人在聊 Vibe Coding，我也下了软件试了下。作为一个没有任何编程和计算机基础的人，竟然真的靠“聊天”做出了一个在线个人网页😂 过程其实很有意思：我负责描述想要的 vibe和网页内容：自我介绍，风格类似iOS17 玻璃质感、淡绿色、按钮要更深一点… 然后用 GPT 帮我把这些抽象需求翻译成可执行的 prompt，Cursor 再根据 prompt 自动改代码、预览效果。等于我完全不写代码，只是在指导两个 AI 结对编程： GPT 负责把我的中文需求变成工程语言 Cursor 负责真正写代码、渲染页面我只需要根据网页呈现的结果反馈给GPT：这不够玻璃，再绿一点，加点光效等最后用 Vercel，上线成一个真正的网址（但Deploy完显示404了..🥹 一套下来体验感就是——我们都向往“Vibe Coding” 的理想目标——那种“言出法随”的魔法，只要说话，AI就能完美实现一切。但我们必须承认一个现实：以当前AI（无论是Claude、GPT）的能力，目前还远不足以支撑这个理想。尝试AI“对齐颗粒度“，以学习的姿态打造AI时代的「超级个体」

最近看到很多人在聊 Vibe Coding，我也下了软件试了下。作为一个没有任何编程和计算机基础的人，竟然真的靠“聊天”做出了一个在线个人网页😂 过程其实很有意思：我负责描述想要的 vibe和网页内容：自我介绍，风格类似iOS17 玻璃质感、淡绿色、按钮要更深一点… 然后用 GPT 帮我把这些抽象需求翻译成可执行的 prompt，Cursor 再根据 prompt 自动改代码、预览效果。等于我完全不写代码，只是在指导两个 AI 结对编程： GPT 负责把我的中文需求变成工程语言 Cursor 负责真正写代码、渲染页面我只需要根据网页呈现的结果反馈给GPT：这不够玻璃，再绿一点，加点光效等最后用 Vercel，上线成一个真正的网址（但Deploy完显示404了..🥹 一套下来体验感就是——我们都向往“Vibe Coding” 的理想目标——那种“言出法随”的魔法，只要说话，AI就能完美实现一切。但我们必须承认一个现实：以当前AI（无论是Claude、GPT）的能力，目前还远不足以支撑这个理想。尝试AI“对齐颗粒度“，以学习的姿态打造AI时代的「超级个体」

Mercy

32,119 次观看 • 11 个月前

微软研发的 AutoGen 框架太强大了，它是一个多代理框架，利用它可以轻松定制一系列工作任务。举一个常见的例子：我们要实现一个爬虫程序，抓取并保存网页图片。如果把这个任务丢给 ChatGPT，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。当然，我们也可以设定一个复杂 Prompt，要求它调用 ChatGPT 的代码执行插件，如果存在报错，则继续修正程序。这个任务如果交给 AutoGen 来实现，将会变得无比简单，几行代码就可以搞定： 1）定义一个 Assistant Agent，它的任务是解决问题 2）定义一个 UserProxy Agent，它的任务是替代人询问问题，同时在本地执行程序这两个 Agent 都不需要给他们设置 Prompt。当我们把爬虫任务交给 UserProxy 后，它会理解任务，然后询问 Assistant 应该如何做，Assistant 会把操作过程告诉 UserProxy，接着 UserProxy 会根据指示在本地安装依赖，然后创建文件执行代码，如果执行出现错误，它会把详细报错提交给 Assistant，依次循环，直到可以获取到最终的结果。任务结束的时候，你会看到目标图片已经保存到本地磁盘了。利用这个框架可以做的事情非常多，它提供的能力也十分完善，可以在项目的 notebook 中找到很多最佳实践： P.S. 为了确保安全，还是建议你在 Docker 环境中执行程序，UserProxy 有一个 code_execution_config 配置，将 use_docker 配置为 True 即可；另外，它还有一个 human_input_mode 参数，设置为 NEVER，表示整个过程都不需要人参与，也可以设置为其他值，它会等待人的输入后再进行下一步操作，这个设计可以让人参与到任务执行过程，避免跑偏。

微软研发的 AutoGen 框架太强大了，它是一个多代理框架，利用它可以轻松定制一系列工作任务。举一个常见的例子：我们要实现一个爬虫程序，抓取并保存网页图片。如果把这个任务丢给 ChatGPT，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。当然，我们也可以设定一个复杂 Prompt，要求它调用 ChatGPT 的代码执行插件，如果存在报错，则继续修正程序。这个任务如果交给 AutoGen 来实现，将会变得无比简单，几行代码就可以搞定： 1）定义一个 Assistant Agent，它的任务是解决问题 2）定义一个 UserProxy Agent，它的任务是替代人询问问题，同时在本地执行程序这两个 Agent 都不需要给他们设置 Prompt。当我们把爬虫任务交给 UserProxy 后，它会理解任务，然后询问 Assistant 应该如何做，Assistant 会把操作过程告诉 UserProxy，接着 UserProxy 会根据指示在本地安装依赖，然后创建文件执行代码，如果执行出现错误，它会把详细报错提交给 Assistant，依次循环，直到可以获取到最终的结果。任务结束的时候，你会看到目标图片已经保存到本地磁盘了。利用这个框架可以做的事情非常多，它提供的能力也十分完善，可以在项目的 notebook 中找到很多最佳实践： P.S. 为了确保安全，还是建议你在 Docker 环境中执行程序，UserProxy 有一个 code_execution_config 配置，将 use_docker 配置为 True 即可；另外，它还有一个 human_input_mode 参数，设置为 NEVER，表示整个过程都不需要人参与，也可以设置为其他值，它会等待人的输入后再进行下一步操作，这个设计可以让人参与到任务执行过程，避免跑偏。

Barret李靖

519,032 次观看 • 3 年前

之前曾用 Gather Town 来进行远程团队协作，非常喜欢这种形式。现在基本都在和 AI 协作，我就在想能不能把终端里的 Agent 带到这样的场景里来毕竟自己 Vibe Coding 也不看代码不 review 了，还不如想想办法让 AI 多给点情绪价值😂 做了一个比较基础的版本 VibeTown，感兴趣的朋友欢迎来体验！

之前曾用 Gather Town 来进行远程团队协作，非常喜欢这种形式。现在基本都在和 AI 协作，我就在想能不能把终端里的 Agent 带到这样的场景里来毕竟自己 Vibe Coding 也不看代码不 review 了，还不如想想办法让 AI 多给点情绪价值😂 做了一个比较基础的版本 VibeTown，感兴趣的朋友欢迎来体验！

Yuhang

49,889 次观看 • 10 个月前

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

karminski-牙医

18,950 次观看 • 5 个月前

的确设计装修和用料都不错，景色也是在水一方的一流，武汉磨山风景区脚下湖畔边，但关键是时机不行啊，你要在经济上行，私密生意谈的飞起的年代，这里可能就是个印钞机，但到现在，就是个钞票焚烧皿。

的确设计装修和用料都不错，景色也是在水一方的一流，武汉磨山风景区脚下湖畔边，但关键是时机不行啊，你要在经济上行，私密生意谈的飞起的年代，这里可能就是个印钞机，但到现在，就是个钞票焚烧皿。

WangNextDoor

43,550 次观看 • 6 个月前

分享下我在 Vibe Coding 中，使用率最高，且最高效的几个工具，覆盖到设计稿生成，到代码交付，网页动效等👇 1、Codex 你只要输入一个需求，它就会调动多个AI智能体并行工作，无论是项目重构，还是从零构建MVP，，它都能独立完成，你无需关注代码，而是把更多精力放在架构设计和创造性问题解决上 2、Paper 这个可以让 AI 生成高质量设计稿，并实现设计与代码双向实时同步，你只需专注界面创作，AI 会自动还原为精准代码交付 3、21st 这个提供超多精美的前端组件，同时带有流畅的交互动画，只需点击复制 Prompt ，粘贴到 AI 对话框即可使用 4、Unicorn 这个，不用写代码，也可以做出丝滑流畅的 GPU 级网页特效，一键导出即可让 AI 接入你的项目 5、Agentation 这个，可以直接在网页上标注需要调整的元素，自动转化为 AI 能够直接理解，和执行的结构化代码上下文，实现网站的精细化调整 6、Axion 这个，能让你的 AI 化身 iOS 开发专家，覆盖从设计、开发到调试的全流程，，输出符合 Apple 高标准、安全、高性能，且易于维护的生产级代码 7、Apple docs mcp 配合这个，可以自动检索 Apple 最新开发文档，能解决日常开发软件中 90% 的问题

分享下我在 Vibe Coding 中，使用率最高，且最高效的几个工具，覆盖到设计稿生成，到代码交付，网页动效等👇 1、Codex 你只要输入一个需求，它就会调动多个AI智能体并行工作，无论是项目重构，还是从零构建MVP，，它都能独立完成，你无需关注代码，而是把更多精力放在架构设计和创造性问题解决上 2、Paper 这个可以让 AI 生成高质量设计稿，并实现设计与代码双向实时同步，你只需专注界面创作，AI 会自动还原为精准代码交付 3、21st 这个提供超多精美的前端组件，同时带有流畅的交互动画，只需点击复制 Prompt ，粘贴到 AI 对话框即可使用 4、Unicorn 这个，不用写代码，也可以做出丝滑流畅的 GPU 级网页特效，一键导出即可让 AI 接入你的项目 5、Agentation 这个，可以直接在网页上标注需要调整的元素，自动转化为 AI 能够直接理解，和执行的结构化代码上下文，实现网站的精细化调整 6、Axion 这个，能让你的 AI 化身 iOS 开发专家，覆盖从设计、开发到调试的全流程，，输出符合 Apple 高标准、安全、高性能，且易于维护的生产级代码 7、Apple docs mcp 配合这个，可以自动检索 Apple 最新开发文档，能解决日常开发软件中 90% 的问题

Paidax

175,509 次观看 • 8 个月前