现在许愿式编程确实比细节编程更好了,现在 AI 知道的实现方式已经比我自己知道的更多 之前我担心 AI 实现不了有时候反而限制 AI 的发挥
直接许愿能拿到很多意想不到的惊喜
假如把我的 AI Coding 经验沉淀成一些最佳实践规则,可以给到大伙复用,会是怎么样的,于是乎,今天一下午我就在琢磨这个事情,手写反复调整后给到大伙,可以让你和你的 Agent 一起去学习。
需求
1. 从技术实现细节编程转变成许愿式编程,现在模型能力已经住足够强大,你只需要大胆把自己想法说出来,给它提足够高的要求和任务,不要担心 AI 实现不了。
2. 多给你的 Agent 讲做这件事情的背景和目标,少替他考虑技术细节,告诉它为什么要做,是给谁用的,做成什么样子你认为是最好的,具体的技术细节让它自己去判断,学会放手。
3. 优先用业界最好的模型,用差模型浪费的时候,一来回让你很不高兴的干活,二来也浪费了很多时间。
4. 要不要做一个新功能以及加一个新配置、开关的时候,让 Agent 来先问你找你确定,没有人用的功能、开关、文案都不要让他去加,慢慢把这一套你的产品规范让他沉淀起来。
5. 你的想法可以很大,但是让 Agent 干活的时候,尽量让他每次拆分成最小的可用功能版本,不要一次写非常多的代码,即使提交,这样出问题了你可以随时撤回。
规则
6. 让你的 Agent 了解你的说话风格,比如说看看、分析一下这个问题的时候,它只需要去读代码分析问题不要去改代码,你说修复、修改的时候才去动手,每次提交、发布和删除的时候都找你确定。
7. Agent md、CLAUDE md 里面除去重点的项目型要求外,只写代码里面看不出来的那种规则,以及之前被否决过的方案也可以分流进去。对你而言密钥和 token 不要贴给 Agent,贴了就当已经泄露了,立马去更换一个。
8. 对于Agent必须遵守的规则不要完全信 prompt,可能会拦不住,一定要用规则脚本去限制,让它真实跑一遍通过后才算完成了。
编码
9. 开始写代码之前,先让 Agent 讲清楚要改什么地方,会影响到什么功能和效果,这样是为了补充你的上下文,方便后面更好判断决策做什么。
10. 一定要让 Agent 基于项目补充一个能够让自己验证各种结果的脚本,每次特定的时候需要去跑一下验证效果,完成功能后需要检查,让他输出结果给你看,并基于此逐步沉淀你的项目 Agent 测试功能集。
11. 假如有多个 Agent 同时干活的时候,让他们各自用一份独立的 worktree 代码目录,同时提交的时候只提交自己改的代码,不要碰他人的代码,等到各自改完合到一起,再完整跑一遍测试。
排查
12. 修 Bug 的时候先找到原因再去动手,假如两次都没有修好,就去加一些日志看真实的数据以及运行效果,不要盲目去猜问题在哪儿。
13. 假如尝试修复了3次还不对,直接清空上下文重新写清楚你的问题、诉求,以及尝试过的解法让 Agent 重新开始。
审查
14. 让写代码的 Agent 和 Review 审查代码的 Agent 分开,保持解耦,这样一方不会被另一方带偏。
15. Review 代码的时候最多让 Agent 跑 3轮,防止跑着停不下来,第二轮开始只看新改动的地方,不要再把之前 Review 的再看一遍。
16. 对于你和 Agent 判断危险的改动,越危险让他查得越深,特别对于删除、付费、发布这种单向门改动你都需要自己去看一遍,点一下,看实际效果。
发布
17. 每次提交的时候,让Agent 写清楚做了什么,怎么去验证这个改动,除了问题怎么来回滚,用于给到后面开发过程中 git 记录本身就是 Agent 的一个非常好的上下文。
18. 需要对外的功能,可以先给自己用,或者给一批愿意尝鲜的用户使用,不要一上来就全量,可以在你的软件里面假如 beta 更新的开关,防止全量有问题,也是对用户负责。
18. 先给自己和愿意尝鲜的人用,没问题再发给所有人。
复盘
19. Agent 需要对每一个线上 Bug 和用户反馈的问题都留一个测试案例,每次上线前都来跑一遍,防止继续踩坑,包括你换模型的时候也可以把这些旧问题全部都跑一遍,看看模型是否还行。
20. 修复问题的时候,让 Agent 学会举一反三,把同类的问题一起修复掉。优化功能的功能,完善视觉的时候也是一样,防止只改一个地方,忘记了其他的地方。
月神月参与基拉调查
田柯宇对面的实习生A也回应了,指控的重点是:
他不只是搞破坏,还把破坏伪装成随机故障,自己再坐在排查会上,听大家查到了哪里,然后调整破坏方式。
团队以为是代码、机器或者训练方法出了问题,北京、上海、西雅图的同事轮流排查,折腾了一两个月,却一直找不到根源。
另一项新增指控是:他自己负责的项目,展示成果也涉嫌造假。 他当时负责公司的一个 VAR 文生图项目,用了上千张GPU,每周汇报进展,还放了一个演示模型让同事测试。
但对方称,演示里实际跑的是别人的开源模型 PixArt,不是他自己训练的模型。为了避免被相同提示词对比识破,还偷偷在用户输入前加了“City”。
而他真正训练的模型,效果远没有展示出来的那么好,后来团队不得不重新做。
破坏的目的上,按另一方文章暗示的逻辑,他是想让自己在内部项目竞争里赢:把别人的项目搞得做不出来,把自己的项目包装成做得很好,保住资源和地位。
他负责的是 VAR,后来公司重点推进 Goku,算力开始往 Goku 倾斜。如果 Goku 一直训练失败,而他的 VAR 每周都有“新成果”、演示效果又很好,管理层就可能觉得:还是田这条路线更有前途,应该继续给他资源。
mp.weixin.qq.com/s/U7r5lwRXq…
AI 已经没有限制了,唯有的是想象力的限制
花费16天,我用 Opus 5.5 将小王子的故事制作成了3D剧情游戏
结合Tripo+Blender,Opus 5.5 将小王子故事中的每一个星球变成了可探索的3D场景
希望大家能支持一手,后续会开源整个游戏,以及详细制作流程
Welcome to The Little Prince: Across the Stars✨:littleprince.dev/















