📚专注AI编程＆AI工具测评、商业思考与个人成长分享 🍀希望能带给你不一样的视角 ✨公众号：成云杉
Joined February 2024
- Tweets1.9K
- Following421
- Followers570
- Likes3.1K
在范凯老师 @fankaishuoai 的启发下，刚刚把 Substack 开通了，且写了两篇帖子，做了账号的基础设置。
一个真实的感受：Substack 真招人爱啊（从范凯老师分享的角度来实践这个事后）
反正我已经爱上了。给我的感觉是比脆有意思。
今天还和朋友讨论关于价值经验的获取
讨论到 价值经验是钱与身体力行换来的
感谢Tw93老师的精华分享。
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。
分享一个避坑：WorkBuddy配置DeepSeek API
若是你想在WorkBuddy里自行配置DeepSeek的API使用，那可能也会踩这个坑：
直接使用DeepSeek的API接口文档信息来配置，看图一
这里提示的 base_url (OpenAI)以及链接地址“api.deepseek.com” 就直接填在WorkBuddy的接口地址了，图二
这样是行不通的，需要看DeepSeek API文档的wkb模块用专属的链接，图三
而且模型也是要匹配官方API文档的，如DeepSeek-Flash（小写）
ok，搞定，就可以愉快的玩耍了，图四
分享结束。日常笔记整理，适合WorkBuddy😀
连接上SSH干活就是爽。。。
今天一天的时间，几乎都在搞自己的项目了，在腾讯云买的服务器，项目也是部署在上面的。
但是每次开发设计以及更新升级维护等，我都要登录服务器终端，然后在编程工具里做好代码后复制到服务器终端，
又麻烦效率又低。
于是今日终于是尝试了SSH，真的就一个字：爽。
那SSH是啥呢？
就是安全登录远程服务器的通道。全称 Secure Shell，中文叫“安全外壳协议”。默认走的是 22 端口。
他的最大的价值：
把原本明着跑的网络操作装进加密隧道。我们以前用 Telnet、FTP，密码和文件都是明文传，抓包就能看到；SSH 全加密，中间人看不到、也改不了。
而它的主要作用是这样的：
1、远程登录服务器：像阿里云、腾讯云，不用去机房，敲命令就能管。
2、安全传文件：配合 SCP / SFTP，替代不安全的 FTP。
3、执行远程命令：部署项目、查日志、重启服务都靠它。
4、端口转发 / 隧道：把内网服务安全映射出来，比如连远程数据库。
5、Git 推拉代码：GitHub、GitLab 都能用 SSH key 认证，比输密码省事又安全。
我今日是用Cursor加SSH来干活的，一次任务搞完了之后才发现“之前的自己是真傻逼啊”，有想法却没有试试。
我其实之前也有想过的，但是没有尝试，我擦。
真的是，在AI时代里，要是自己傻逼了没醒过来，就真的会一直傻逼着了。🥲
这两天又刷到不少伙伴，都在开发上线自己的个人站，但是却多花了一些不必要的钱，比如自己租服务器又或者是买可以买可以装自己数据的工具。
但是我觉得刚刚开始做，其实没必要那么麻烦的，一个github，一个cloudflare，一个自己用熟悉的AI编程工具（比如我常用Cursor，刚开始20刀会员就好），一个spaceship买域名（com一年60多点），其他的成本暂无。
所以我还是强烈安利这套方案的。
感谢姚老师，已经在玩了。
价值极高的一套系统，强烈推荐！！！
重磅开源：GEOInflow
一套面向GEO的网站与AI爬虫分析系统，同时支持完整的访客数据、转化数据统计与分析
MIT协议，Docker一键部署
GEOInflow将网站访客、AI搜索引荐、服务器抓取日志和内容目录放在同一个网站上下文中
帮助团队回答这些问题：哪些 AI 蜘蛛访问了网站，访问了哪些内容，哪些关键页面长期缺少抓取记录，访问是否遇到错误，以及AI搜索实际带来了多少访客和转化
核心逻辑与能力：
1、哪些AI平台在抓你的站（OpenAI、Anthropic、Perplexity、Google、字节、百度、Kimi、腾讯混元…），是训练、AI 搜索，还是用户触发的访问。包括，抓了哪些页面，哪些关键页从没被抓过
2、同时可以追踪AI搜索引荐来的会话、落地页和转化，看清GEO的真实效果
3、它也是一套完整的网站统计：PV/UV、事件漏斗、热力图、留存、团队权限与分享
4、核心统计无需模型API Key，默认无Cookie采集，数据留在你自己的服务器上
5、系统已整理61种全球范围内各种不同的AI爬虫身份及分类，在这个基础上构建了大量的全新数据分析看板
做GEO，每一次内容调整都值得有数据可以复盘
欢迎体验和提PR
GitHub地址：github.com/yaojingang/GEOInf…
对于工具，我还是想说：
能用外面就用外面的，家里的东西真是一言难尽。
我他喵上午还在调细节，刚刚手贱更新一下，好嘛所有历史数据没了，擦，要不是我做东西喜欢本地备份，这波真是亏大发了。
然后顺手直接把差不多的同类工具一起清了🌚
但也不要掉以轻心，本地备份加半云端备份才是较为稳妥的。
何为半云端，执行数据可在云端，但重要沉淀文件依旧落实在本地。
