Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

推荐一个很有意思的开源项目 Ponytail，它专门给 Claude Code、Codex、Cursor、OpenClaw 等 AI Agent 灌输一种「懒惰的高级程序员思维」：能不写就不写，能复用就不重造，系统原生能解决就绝不引入新依赖。作者实测，在真实 Claude Code 开发任务中，Ponytail 平均让代码量减少约 54%，Token 减少 22%、成本降低 20%、耗时减少 27%，同时保留安全校验、错误处理和可访问性。一句话：让 AI 少写垃圾代码，像一个干了十年的老程序员一样解决问题。 ⁠

周览资源

121,368 subscribers

32,317 просмотров • 17 дней назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

让 AI 学会 senior dev 的极致偷懒 — ponytail ponytail 是一个专为 Claude、Cursor、Codex、Devin 等 AI 编码工具打造的规则集 + 插件。它让你的 Agent 彻底改变思考方式：最好的代码，就是不用写的代码。已斩获 60k+ stars。装上它，AI 不再卷废代码，只输出极致必要。代码量平均减少 54%（最高 94%） Token 成本降 20%，速度提升 27% 安全零妥协：永不砍验证、错误处理和边界防护懒人决策梯：先判断是否需要、是否已有复用、标准库/原生是否够用，最后才写最小实现想让 AI 高效不废话，就用它。

让 AI 学会 senior dev 的极致偷懒 — ponytail ponytail 是一个专为 Claude、Cursor、Codex、Devin 等 AI 编码工具打造的规则集 + 插件。它让你的 Agent 彻底改变思考方式：最好的代码，就是不用写的代码。已斩获 60k+ stars。装上它，AI 不再卷废代码，只输出极致必要。代码量平均减少 54%（最高 94%） Token 成本降 20%，速度提升 27% 安全零妥协：永不砍验证、错误处理和边界防护懒人决策梯：先判断是否需要、是否已有复用、标准库/原生是否够用，最后才写最小实现想让 AI 高效不废话，就用它。

开发者Hailey

34,664 просмотров • 2 месяцев назад

Codex 5.6 装上这个 Skill，能少写 90% 废代码很多人用 Codex，需求一丢进去，AI 就开始给你堆组件、装依赖、写一大堆根本用不到的代码。token 越烧越多，代码反而越难维护。这个 GitHub 项目叫 ponytail。它会在 Codex 写代码前先强制判断：这件事真的需要写吗？项目里有没有现成代码？标准库能不能解决？浏览器原生能力能不能解决？能不能只写一行？只有这些路都走不通，才写最少、真正能跑的代码，在也不会出现垃圾代码了。比如你让 AI 做日期选择器，普通 Agent 可能给你装库、写组件、加样式；ponytail 会直接告诉它：浏览器本身就有。安装提示词，直接复制给 Codex： “请帮我安 plugin marketplace add DietrichGebert/ponytail，然后执行 codex plugin add ponytailyossy。安装完成后打开 /hooks，检查并信任 Ponytail 的两个 lifecycle hooks，最后提示我重启 Codex 并新开一个会话。以后所有编码任务默认启用 full 模式；需要更强力地减少过度设计时，使用 yossy ultra。” 少写无用代码 = 少花 Token + 更快交付 + 更少 Bug

Codex 5.6 装上这个 Skill，能少写 90% 废代码很多人用 Codex，需求一丢进去，AI 就开始给你堆组件、装依赖、写一大堆根本用不到的代码。token 越烧越多，代码反而越难维护。这个 GitHub 项目叫 ponytail。它会在 Codex 写代码前先强制判断：这件事真的需要写吗？项目里有没有现成代码？标准库能不能解决？浏览器原生能力能不能解决？能不能只写一行？只有这些路都走不通，才写最少、真正能跑的代码，在也不会出现垃圾代码了。比如你让 AI 做日期选择器，普通 Agent 可能给你装库、写组件、加样式；ponytail 会直接告诉它：浏览器本身就有。安装提示词，直接复制给 Codex： “请帮我安 plugin marketplace add DietrichGebert/ponytail，然后执行 codex plugin add ponytailyossy。安装完成后打开 /hooks，检查并信任 Ponytail 的两个 lifecycle hooks，最后提示我重启 Codex 并新开一个会话。以后所有编码任务默认启用 full 模式；需要更强力地减少过度设计时，使用 yossy ultra。” 少写无用代码 = 少花 Token + 更快交付 + 更少 Bug

govin.eth | G哥

37,712 просмотров • 3 дней назад

🚀 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

42,846 просмотров • 3 месяцев назад

不用写一行代码也能做管理系统？这套AI开发流程让程序员都慌了 1.你打开ChatGPT，输入提示词："帮我生成一个学生管理系统的Spring Boot项目代码" 2.你用Cursor打开生成的项目，自动修复报错，导入MySQL数据库 3.你启动前后端，测试增删改查功能你按这个流程操作，1小时内就能看到自己的管理系统上线。

不用写一行代码也能做管理系统？这套AI开发流程让程序员都慌了 1.你打开ChatGPT，输入提示词："帮我生成一个学生管理系统的Spring Boot项目代码" 2.你用Cursor打开生成的项目，自动修复报错，导入MySQL数据库 3.你启动前后端，测试增删改查功能你按这个流程操作，1小时内就能看到自己的管理系统上线。

Vincent

25,831 просмотров • 4 месяцев назад

我看到有人在让“Claude Code”自己开新进程 `claude -p `实现多任务，其实没必要，有更简单的办法。这个简单办法就是让它自己开子 Agent。Claude Code 现在有 18 个工具，最特殊的一个工具叫 Task，它本质就是一个 Claude Code 的克隆工具，只不过是作为 Claude Code 的一个工具。如果你懂递归的话就很好理解。如果你不懂递归，可以这么理解：Claude Code 是个 AI 程序员，它可以用一堆工具，其中最神奇的一个工具叫 Task，就是克隆一个自己的分身去干活！这样做有什么好处呢？就是可以并行多任务，还可以控制上下文，让子任务更专注。举例来说，你粘贴一段错误代码让 Claude Code 去 Debug，并且还让它写测试代码覆盖这个错误。Claude Code 会先调用 TodoWrite 这个工具写一个 TODO List。把任务分成 3 步： - [ ] 根据错误信息收集相关代码 - [ ] 根据错误信息和相关代码解决 Bug - [ ] 写新的测试覆盖这一步完了后它会起一个 Task，这个 Task 就是专门根据错误信息去找到相关代码的位置，那么这个子任务只需要接受错误信息找上下文，它不管怎么解决 Bug，也不管怎么写测试覆盖。主任务就会等这个子任务完成，子任务完成后，主任务就调用 TODO Write 更新 TODO List。 - [x] 根据错误信息收集相关代码 - [ ] 根据错误信息和相关代码解决 Bug - [ ] 写新的测试覆盖然后调用 TodoRead 工具看下一步要干嘛，现在有充足上下文了，它可以再起一个子任务去根据错误信息和代码修复 Bug，等修复 Bug 的子任务完成了，再回到主任务，继续更新 TODO List，继续读取下一个 Item 最后再启动一个子任务去写测试，测试子任务也完成了，返回结果到主任务，这时候调用 TodoRead 一看任务都处理完了，最后根据前面的任务情况给你一个总结摘要，表示任务都完成了。 Claude Code 真的没有做什么工程上的优化，什么上下文压缩、临时存储，都没有的！就是简单粗暴： 1. 把用户问题、系统提示词、能用到的工具一股脑发给 Claude，问下一步该干嘛 2. Claude 就返回说现在你要到 TodoWriter 工具 3. Claude Code 就去调用 TodoWriter 工具，本质上也是一个 AI 请求，最后返回生成的 Todo List 4. 然后 Claude Code 把工具返回结果和前面的所有消息继续发给 Claude，Claude 返回说你现在要去起一个新的 Task 去收集代码了 5. 然后 Claude Code 就起一个新的 Task，把错误信息和要求收集相关代码的任务说明、系统提示词、环境说明、能用到的工具一股脑发给 Claude，问下一步该干嘛 - 在新的 Task 里面，就是不停的问 Claude 该用啥工具，然后发送工具结果和前面所有历史消息 - 任务完成后，返回任务结果 6. 然后 Claude Code 把子 Task 的结果和前面历史信息一起发给 Claude 问下一步干嘛 7. 就这样循环直到 Claude 认为任务完成了所以你经常看到 Claude Code 在那几十分钟上下文也没爆掉，因为它会启动子任务，这样上下文就分摊到子任务中了，主任务中只是保留子任务完成后的内容。

我看到有人在让“Claude Code”自己开新进程 `claude -p `实现多任务，其实没必要，有更简单的办法。这个简单办法就是让它自己开子 Agent。Claude Code 现在有 18 个工具，最特殊的一个工具叫 Task，它本质就是一个 Claude Code 的克隆工具，只不过是作为 Claude Code 的一个工具。如果你懂递归的话就很好理解。如果你不懂递归，可以这么理解：Claude Code 是个 AI 程序员，它可以用一堆工具，其中最神奇的一个工具叫 Task，就是克隆一个自己的分身去干活！这样做有什么好处呢？就是可以并行多任务，还可以控制上下文，让子任务更专注。举例来说，你粘贴一段错误代码让 Claude Code 去 Debug，并且还让它写测试代码覆盖这个错误。Claude Code 会先调用 TodoWrite 这个工具写一个 TODO List。把任务分成 3 步： - [ ] 根据错误信息收集相关代码 - [ ] 根据错误信息和相关代码解决 Bug - [ ] 写新的测试覆盖这一步完了后它会起一个 Task，这个 Task 就是专门根据错误信息去找到相关代码的位置，那么这个子任务只需要接受错误信息找上下文，它不管怎么解决 Bug，也不管怎么写测试覆盖。主任务就会等这个子任务完成，子任务完成后，主任务就调用 TODO Write 更新 TODO List。 - [x] 根据错误信息收集相关代码 - [ ] 根据错误信息和相关代码解决 Bug - [ ] 写新的测试覆盖然后调用 TodoRead 工具看下一步要干嘛，现在有充足上下文了，它可以再起一个子任务去根据错误信息和代码修复 Bug，等修复 Bug 的子任务完成了，再回到主任务，继续更新 TODO List，继续读取下一个 Item 最后再启动一个子任务去写测试，测试子任务也完成了，返回结果到主任务，这时候调用 TodoRead 一看任务都处理完了，最后根据前面的任务情况给你一个总结摘要，表示任务都完成了。 Claude Code 真的没有做什么工程上的优化，什么上下文压缩、临时存储，都没有的！就是简单粗暴： 1. 把用户问题、系统提示词、能用到的工具一股脑发给 Claude，问下一步该干嘛 2. Claude 就返回说现在你要到 TodoWriter 工具 3. Claude Code 就去调用 TodoWriter 工具，本质上也是一个 AI 请求，最后返回生成的 Todo List 4. 然后 Claude Code 把工具返回结果和前面的所有消息继续发给 Claude，Claude 返回说你现在要去起一个新的 Task 去收集代码了 5. 然后 Claude Code 就起一个新的 Task，把错误信息和要求收集相关代码的任务说明、系统提示词、环境说明、能用到的工具一股脑发给 Claude，问下一步该干嘛 - 在新的 Task 里面，就是不停的问 Claude 该用啥工具，然后发送工具结果和前面所有历史消息 - 任务完成后，返回任务结果 6. 然后 Claude Code 把子 Task 的结果和前面历史信息一起发给 Claude 问下一步干嘛 7. 就这样循环直到 Claude 认为任务完成了所以你经常看到 Claude Code 在那几十分钟上下文也没爆掉，因为它会启动子任务，这样上下文就分摊到子任务中了，主任务中只是保留子任务完成后的内容。

宝玉

76,401 просмотров • 1 год назад

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,511 просмотров • 2 месяцев назад

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 просмотров • 2 месяцев назад

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

阿蔺A-Lin

27,925 просмотров • 5 месяцев назад

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

淘沙者(TheSandPicker)

92,035 просмотров • 1 месяц назад

骂归骂，但毫无疑问claude code 是anthropic 出来的最优秀的产品。这篇 Anthropic 原文是 Claude Code 的“口述史”，首先文章网站做的就很有意思：直接仿真了一个terminal，看起来很有趣！内容上：讲了 Claude Code 从早期内部实验、clide 原型、Claude CLI，到 2025 年研究预览发布后的扩散过程一句话总结：Claude Code 的成型，靠的是模型能力进步、终端式产品形态、小团队高频迭代、Anthropic 内部重度试用，以及一批早期用户不断反馈出来的真实工作流。 Claude Code 不是突然冒出来的产品。Anthropic 从 2021、2022 年就一直在研究怎么让模型写代码、跑测试、用 bash、在真实环境里完成任务。早期还有过 VS Code 插件和内部工具 clide，虽然粗糙，但已经证明“AI 可以真的参与开发”。 clide 很难用，但内部工程师一用就发现有未来感。Boris Cherny 后来做了 Claude CLI 原型，一开始没人太当回事，Slack 上反响也很小。直到大家看到它真的能改代码、写 PR、帮工程师推进工作，团队才意识到：这个方向值得全力做。他们认为 Claude Code 代表一种新的写代码方式：工程师会越来越少手写每一行代码，更多是在安排任务、审查结果、管理多个 AI agent。它也可能让很多原本没钱、没团队做软件的人，第一次能做出可用工具。原文链接：

骂归骂，但毫无疑问claude code 是anthropic 出来的最优秀的产品。这篇 Anthropic 原文是 Claude Code 的“口述史”，首先文章网站做的就很有意思：直接仿真了一个terminal，看起来很有趣！内容上：讲了 Claude Code 从早期内部实验、clide 原型、Claude CLI，到 2025 年研究预览发布后的扩散过程一句话总结：Claude Code 的成型，靠的是模型能力进步、终端式产品形态、小团队高频迭代、Anthropic 内部重度试用，以及一批早期用户不断反馈出来的真实工作流。 Claude Code 不是突然冒出来的产品。Anthropic 从 2021、2022 年就一直在研究怎么让模型写代码、跑测试、用 bash、在真实环境里完成任务。早期还有过 VS Code 插件和内部工具 clide，虽然粗糙，但已经证明“AI 可以真的参与开发”。 clide 很难用，但内部工程师一用就发现有未来感。Boris Cherny 后来做了 Claude CLI 原型，一开始没人太当回事，Slack 上反响也很小。直到大家看到它真的能改代码、写 PR、帮工程师推进工作，团队才意识到：这个方向值得全力做。他们认为 Claude Code 代表一种新的写代码方式：工程师会越来越少手写每一行代码，更多是在安排任务、审查结果、管理多个 AI agent。它也可能让很多原本没钱、没团队做软件的人，第一次能做出可用工具。原文链接：

岚叔

10,454 просмотров • 1 месяц назад

我非常建议科班程序员好好看看这个视频。 1.理解你真正要解决的业务问题 2.掌握扎实的基础知识 3.根据业务场景做出合理权衡 4.与不同角色高效沟通 5.具备系统和全局思维不要被短视频和社交媒体上大量的 vibe coding 产品影响心态，觉得“程序员价值不存在了”。最近半年，我们公司也大量尝试了完全依靠 AI 快速开发产品。在早期 0-1 阶段，AI 的效率确实非常惊人，可以快速验证想法，甚至几天完成一个 demo。但是当产品真正有用户，进入持续迭代阶段以后，问题非常多：大量时间花在修 bug 随着系统复杂度提升，AI 生成的代码经常出现拆东墙补西墙的问题。这其实也是我自己 coding 过程中越来越明显的感受：当业务复杂度提升，前后依赖越来越多时，如果你不能先把业务拆解清楚，定义成清晰的文档和架构，AI写出来的东西很烂很烂，业务拆解和定义清楚，就不是非程序员能做好的。但是简单前端开发、页面搭建、重复性 CRUD 工作，确实不需要堆人力了，也就是AI在某种程度对程序员的要求提高了，一个复杂软件的构建，真正写代码的时间我认为不到1/10 前段时间 OpenClaw、各种 Agent 爆发的时候，我其实也非常焦虑，和党哥lidang 立党（劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人）聊过这个问题，当时被喷了，回头看，自己的理解还是浅了，既低估了软件工程的复杂性，也高估了AI的能力。工具会不断变化，但理解复杂系统、解决真实问题的能力，永远是稀缺能力。 #vibecoding #程序员 #编程 #ai

我非常建议科班程序员好好看看这个视频。 1.理解你真正要解决的业务问题 2.掌握扎实的基础知识 3.根据业务场景做出合理权衡 4.与不同角色高效沟通 5.具备系统和全局思维不要被短视频和社交媒体上大量的 vibe coding 产品影响心态，觉得“程序员价值不存在了”。最近半年，我们公司也大量尝试了完全依靠 AI 快速开发产品。在早期 0-1 阶段，AI 的效率确实非常惊人，可以快速验证想法，甚至几天完成一个 demo。但是当产品真正有用户，进入持续迭代阶段以后，问题非常多：大量时间花在修 bug 随着系统复杂度提升，AI 生成的代码经常出现拆东墙补西墙的问题。这其实也是我自己 coding 过程中越来越明显的感受：当业务复杂度提升，前后依赖越来越多时，如果你不能先把业务拆解清楚，定义成清晰的文档和架构，AI写出来的东西很烂很烂，业务拆解和定义清楚，就不是非程序员能做好的。但是简单前端开发、页面搭建、重复性 CRUD 工作，确实不需要堆人力了，也就是AI在某种程度对程序员的要求提高了，一个复杂软件的构建，真正写代码的时间我认为不到1/10 前段时间 OpenClaw、各种 Agent 爆发的时候，我其实也非常焦虑，和党哥lidang 立党（劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人）聊过这个问题，当时被喷了，回头看，自己的理解还是浅了，既低估了软件工程的复杂性，也高估了AI的能力。工具会不断变化，但理解复杂系统、解决真实问题的能力，永远是稀缺能力。 #vibecoding #程序员 #编程 #ai

耐心的Peter

11,684 просмотров • 10 дней назад

Claude 桌面端升级后，第三方模型（特别是 DeepSeek Pro）是不是都加载不出来了？刚看到个超实用的解决方案，只要 5 分钟就能复活！🔥 不用自己苦逼写代码，直接让 AI 帮你写个本地代理脚本。 1️⃣ 用 Codex/Claude 生成代理代码（视频里有提示词）。 2️⃣ 终端跑一下 `npm start`。 3️⃣ 把 Claude 的 Gateway 地址改成 ` 搞定！DeepSeek-v4-pro 瞬间满血复活，亲测能正常消耗 Token。有同样问题的兄弟集美们赶紧试一下，简单粗暴好用！👇

Claude 桌面端升级后，第三方模型（特别是 DeepSeek Pro）是不是都加载不出来了？刚看到个超实用的解决方案，只要 5 分钟就能复活！🔥 不用自己苦逼写代码，直接让 AI 帮你写个本地代理脚本。 1️⃣ 用 Codex/Claude 生成代理代码（视频里有提示词）。 2️⃣ 终端跑一下 `npm start`。 3️⃣ 把 Claude 的 Gateway 地址改成 ` 搞定！DeepSeek-v4-pro 瞬间满血复活，亲测能正常消耗 Token。有同样问题的兄弟集美们赶紧试一下，简单粗暴好用！👇

Vincent

16,367 просмотров • 3 месяцев назад

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

0x_Miko

188,310 просмотров • 2 месяцев назад

千万别盲目在公司做“AI赋能雷锋”！一个月薪 3 万 8 的程序员，被裁了。最讽刺的是：不是因为他技术差，而是因为他太会用 AI 了。去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。老板一看：你这么会用 AI，那你能不能带带团队？于是他花了 3 个月，把团队都教会了 Claude Code。结果团队效率翻倍，公司发现：以前需要他兜底的事，现在其他人也能干了。上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。这件事最扎心的地方在于：未来最危险的程序员，可能不是不会用 AI 的人，而是只会把 AI 用在“写代码”上的人。因为写代码正在变便宜。真正值钱的是：懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。未来最吃香的工程师，不是单纯的代码高手，而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

千万别盲目在公司做“AI赋能雷锋”！一个月薪 3 万 8 的程序员，被裁了。最讽刺的是：不是因为他技术差，而是因为他太会用 AI 了。去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。老板一看：你这么会用 AI，那你能不能带带团队？于是他花了 3 个月，把团队都教会了 Claude Code。结果团队效率翻倍，公司发现：以前需要他兜底的事，现在其他人也能干了。上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。这件事最扎心的地方在于：未来最危险的程序员，可能不是不会用 AI 的人，而是只会把 AI 用在“写代码”上的人。因为写代码正在变便宜。真正值钱的是：懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。未来最吃香的工程师，不是单纯的代码高手，而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

前端哥Liam

61,901 просмотров • 2 месяцев назад

用 v2ex 群友发的数学题确实会让 kimi 鬼畜一般一直循环用错误的方法解题并且 kimi 生成很多车轱辘话，“让我换个思路”，“确实有点棘手”，之类，很像之前让 claude 假装思考 prompt 输出同样的题目的在 chatgpt 4o/o1 都解不了，但用 claude 3.5 sonnet 和 gemini 2.0 flash 瞬间能解决题目是👇

用 v2ex 群友发的数学题确实会让 kimi 鬼畜一般一直循环用错误的方法解题并且 kimi 生成很多车轱辘话，“让我换个思路”，“确实有点棘手”，之类，很像之前让 claude 假装思考 prompt 输出同样的题目的在 chatgpt 4o/o1 都解不了，但用 claude 3.5 sonnet 和 gemini 2.0 flash 瞬间能解决题目是👇

kAI

22,397 просмотров • 1 год назад

要我说部分领域AGI已经实现了：特斯拉扔掉了方向盘，编程也正被 AI 接管。像OpenClaw这种能自我进化的工具，本质上是在重塑开发逻辑。到2026年，97%的代码AI一遍就能写对，程序员如果不能驾驭这种进化系统，真可能像阑尾一样，还存在但没啥大用。

要我说部分领域AGI已经实现了：特斯拉扔掉了方向盘，编程也正被 AI 接管。像OpenClaw这种能自我进化的工具，本质上是在重塑开发逻辑。到2026年，97%的代码AI一遍就能写对，程序员如果不能驾驭这种进化系统，真可能像阑尾一样，还存在但没啥大用。

傅盛

27,811 просмотров • 6 месяцев назад

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

108,220 просмотров • 11 месяцев назад

【程序员写代码的时代，一去不复返了】 AI大神卡帕西都在焦虑，重新定义职业的时刻到了，他给出三点建议，不管对程序员还是产品经理都适用： 1. 未来程序员不再是码农了，更多是驱动AI来工作。2. 吃透过去一年涌现的所有AI工具能提升10倍生产力，如果没能实现跨越式提升，那就是个人能力问题。3. AI工具强大得像一个外星工具，但没有说明书，要想掌握得靠实践。另外澄清一下，我从来没说过未来程序员会消失，我说的是码农会消失，因为会写代码已经不是护城河了，对用户需求的洞察力更重要。

【程序员写代码的时代，一去不复返了】 AI大神卡帕西都在焦虑，重新定义职业的时刻到了，他给出三点建议，不管对程序员还是产品经理都适用： 1. 未来程序员不再是码农了，更多是驱动AI来工作。2. 吃透过去一年涌现的所有AI工具能提升10倍生产力，如果没能实现跨越式提升，那就是个人能力问题。3. AI工具强大得像一个外星工具，但没有说明书，要想掌握得靠实践。另外澄清一下，我从来没说过未来程序员会消失，我说的是码农会消失，因为会写代码已经不是护城河了，对用户需求的洞察力更重要。

傅盛

27,163 просмотров • 8 месяцев назад

的人提了一个思路：用 AI 写代码之后，人应该审计划，不应该审代码。他的类比很准。写 C 语言的时候没人去检查编译器输出的汇编对不对，因为你信任编译器。AI 写代码也应该一样——你把精力花在计划对不对上，计划没问题就让它去生成。问题是 Claude Code 的计划是一大坨 Markdown，在终端里看得人眼花。他做了个 /visual-plan 技能，让 AI 用 MDX 组件输出计划：线框图、API 结构图、Schema 变更，都是可视化的，能拖能缩放。代码写完之后还有 /visual-recap，生成一份可视化变更总结。产品经理和设计师不用看代码 diff 也能看懂 AI 改了什么。

的人提了一个思路：用 AI 写代码之后，人应该审计划，不应该审代码。他的类比很准。写 C 语言的时候没人去检查编译器输出的汇编对不对，因为你信任编译器。AI 写代码也应该一样——你把精力花在计划对不对上，计划没问题就让它去生成。问题是 Claude Code 的计划是一大坨 Markdown，在终端里看得人眼花。他做了个 /visual-plan 技能，让 AI 用 MDX 组件输出计划：线框图、API 结构图、Schema 变更，都是可视化的，能拖能缩放。代码写完之后还有 /visual-recap，生成一份可视化变更总结。产品经理和设计师不用看代码 diff 也能看懂 AI 改了什么。

Vincent

12,896 просмотров • 2 месяцев назад

Anthropic 7 月 10 日发布了一场关于 Agent 基础设施的对谈。Claude 平台工程负责人 Katelyn Lesse、产品负责人 Angela Jiang 和产品经理 Jess Yann，分享了几个来自一线的观察。【Agent 的“脚手架”正在变薄】几个月前，搭建 Agent 往往需要写大量流程控制代码：先执行 A，满足条件再进入 B，遇到不同情况还要切换不同分支。流程越复杂，系统越容易出错。随着模型的推理和工具调用能力增强，这些编排层（harness）正在变薄。开发者不用再规定每一步，只需给出目标和基本边界，让模型自己决定怎么完成。与此同时，一种更高层的编排方式开始出现：让多个 Agent 同时解决一个问题，从中选出最佳方案；让一个 Agent 提方案，另一个负责挑错；或者在 Agent 卡住时，请另一个能力更强的 Agent 提供建议。重点正在从“控制每一步”，转向“设计 Agent 之间如何协作”。【衡量 Agent “投入产出比”（ROI，Return on Investment），先看一个人快了多少】 Angela 建议，企业不要一开始就规划上百个自动化流程，而应该先看一个具体的人：用了 Agent 之后，他的工作速度和产出提高了多少？验证有效后，再从个人推广到团队，最后才处理跨部门流程。前期重点看速度和生产力，等应用逐步成熟，再衡量收入、成本和用户指标。很多企业做 AI 转型时，喜欢先画一张宏大的自动化蓝图。问题是，流程涉及的部门越多、规则越复杂，落地阻力就越大。从个人开始，更容易看到效果，也更容易持续推进。【工程团队没消失，但每个人的角色都变了】 Katelyn 观察到，Anthropic 的工程团队和半年前相比，人员构成没有太大变化，但协作方式已经不同。过去通常由技术负责人决定架构，其他工程师领取任务、编写代码。现在，更多工程师会参与产品和架构决策，再分别指挥 Claude 完成具体工作。 Agent 的作用也不再只是“帮忙写代码”。她提到 Shopify 的 River 系统，已经把需求文档、开发环境、代码实现和 QA 测试串成了一套端到端的 Agent 工作流。【个体变强，不等于团队自然变好】 Agent 降低了开发和试错成本，也可能带来新的问题。过去，一个团队会先讨论十个方案中哪个最值得做。现在，每个人都可以快速做出十个原型，甚至全部上线，让市场决定谁胜出。这样做速度很快，但如果缺少统一方向，产品很容易无序扩张。Agent 能显著放大个人能力，却不会自动解决团队的协调、取舍和决策问题。来源：

Anthropic 7 月 10 日发布了一场关于 Agent 基础设施的对谈。Claude 平台工程负责人 Katelyn Lesse、产品负责人 Angela Jiang 和产品经理 Jess Yann，分享了几个来自一线的观察。【Agent 的“脚手架”正在变薄】几个月前，搭建 Agent 往往需要写大量流程控制代码：先执行 A，满足条件再进入 B，遇到不同情况还要切换不同分支。流程越复杂，系统越容易出错。随着模型的推理和工具调用能力增强，这些编排层（harness）正在变薄。开发者不用再规定每一步，只需给出目标和基本边界，让模型自己决定怎么完成。与此同时，一种更高层的编排方式开始出现：让多个 Agent 同时解决一个问题，从中选出最佳方案；让一个 Agent 提方案，另一个负责挑错；或者在 Agent 卡住时，请另一个能力更强的 Agent 提供建议。重点正在从“控制每一步”，转向“设计 Agent 之间如何协作”。【衡量 Agent “投入产出比”（ROI，Return on Investment），先看一个人快了多少】 Angela 建议，企业不要一开始就规划上百个自动化流程，而应该先看一个具体的人：用了 Agent 之后，他的工作速度和产出提高了多少？验证有效后，再从个人推广到团队，最后才处理跨部门流程。前期重点看速度和生产力，等应用逐步成熟，再衡量收入、成本和用户指标。很多企业做 AI 转型时，喜欢先画一张宏大的自动化蓝图。问题是，流程涉及的部门越多、规则越复杂，落地阻力就越大。从个人开始，更容易看到效果，也更容易持续推进。【工程团队没消失，但每个人的角色都变了】 Katelyn 观察到，Anthropic 的工程团队和半年前相比，人员构成没有太大变化，但协作方式已经不同。过去通常由技术负责人决定架构，其他工程师领取任务、编写代码。现在，更多工程师会参与产品和架构决策，再分别指挥 Claude 完成具体工作。 Agent 的作用也不再只是“帮忙写代码”。她提到 Shopify 的 River 系统，已经把需求文档、开发环境、代码实现和 QA 测试串成了一套端到端的 Agent 工作流。【个体变强，不等于团队自然变好】 Agent 降低了开发和试错成本，也可能带来新的问题。过去，一个团队会先讨论十个方案中哪个最值得做。现在，每个人都可以快速做出十个原型，甚至全部上线，让市场决定谁胜出。这样做速度很快，但如果缺少统一方向，产品很容易无序扩张。Agent 能显著放大个人能力，却不会自动解决团队的协调、取舍和决策问题。来源：

宝玉

67,350 просмотров • 1 месяц назад