AI辅助编码的发展

将控制权交给了我不理解的力量。

该如何看待 AI 辅助编码工具？

把这种工具应用当成一门类似 Java、JS 的技术来看待，经常分享，深入钻研对比。
最有性价比的全栈路线是什么？毫无疑问，是 AI 辅助编码 ➕ 业务技术栈的全家桶。
我需要更新技术栈和技术思维了，这个不亚于之前的 web 浪潮，后端从 php 转 java，前端从 css 切图仔到 js 编程。
这在软件开发领域，绝对堪比工业革命了。

graph TD
    A("第一次工业革命，约1760-1840年，蒸汽机，以机器代替手工劳动") --> B("第二次工业革命，约1870-1914年，电力的发现和广泛应用")
    B --> C("第三次工业革命，约1950年代末-1970年代，电子技术和信息技术")
    C --> D("第四次工业革命，21世纪初至今，互联网、大数据、人工智能、物联网、3D打印等")

Ctrl + K

Notion/Cursor/Linear，Ctrl + K 是所有生产力效率工具的大 Key。

未来的编码世界全是 Ctrl + K，可能这个组合键要成为和 Ctrl + C、Ctrl + V 一样重要的键位了。

Cline+DeepSeek-V3

Cline + DeepSeek-V3 配置方案

典型工具

Agent

Tool

Cursor

方法技巧

现在开发软件只需要有一个想法就行了。

No.1 先让LLM规划 + 让LLM问你问题

这个经过我自己验证，是绝对的No.1技巧！
无论是新需求开发，还是重构老代码，这个都是最关键的。
比如：
新需求开发：让LLM通过提问明确需求
老项目重构：让LLM通过提问了解你关注的问题和重构点

和AI对话的模式的变更：
重视Prompt技巧->对Prompt的要求越来越低，通过LLM提问明确需求
Ask->Agent
开发人员确定需求->开发人员负责检验最终输出的结果
给LLM扩展思路->给LLM设定约束(llms.txt、mdc、不要进行冗余的测试等)

LLM其实什么都能做，前提是它明确需求；而这个对话就是你帮它明确需求的过程。
任务执行得不好，本质就是需求细节不明确，或者需求传递错了。

让AI规划，它比你聪明，比如我做运营的饼图，我差点一上来就搞d3.js了，因为我熟悉这个，而实际上这个简单静态需求，用原生SVG更好。
我的思维定式导致了认知上的局限性，进而导致不合理的方案设计。

补充业务知识

比如可视化的知识。

行百里者半九十

前面90%很快就能AI搞定，后面的10%精调耗费的时间可能比前面90%更多。
比如这次运营饼图调整百分比数值的位置，就搞了不少时间。

方案设计

数据结构 + 通信

配合图片给LLM传递信息

能识图这个，太强了

边Vibe Coding边优化和简化

比如这次给我在2个地方都写了配置项，导致改一个地方不生效的问题。AI不会主动去优化这个问题。
另外要持续简化代码，包括简化设计和删除冗余的逻辑、重复的代码，降低给LLM的杂音。

7个经验

Cursor 的 7 条经验

写提示词：CopyCoder

一个专注于提示词、一个专注于代码生成，CopyCoder + Cursor 两者结合，可谓是王炸组合。

https://mp.weixin.qq.com/s/qtTBr38ydC2Jt2A1E8sAdw

Ant Design X

https://github.com/ant-design/x

https://mp.weixin.qq.com/s?__biz=MzU3NTg5MjU1Mw==&mid=2247488785&idx=1&sn=10188cffa9696c342c246a2806b34018&scene=21#wechat_redirect

Copilot 语音编程

集成 VS Code Speech 扩展

(TODO)Cursor1 小时完成专利申请

https://b23.tv/7IHrb40

Cursor通过mdc文件制定规则

https://mp.weixin.qq.com/s/QPDAMJyBdaTwH6SzKEf5zQ

可以为不同类型的文件或任务创建专门的规则文件
AI会根据你正在编辑的文件自动选择适用的规则
基于Markdown，写起来更加自然流畅

编写方式

一个典型的.mdc文件包含两个部分：

前置元数据：用三横线（—）包裹，定义规则的描述和适用范围
规则正文：使用Markdown格式编写具体指令

和我们的文档语法一样。

创建和使用.mdc文件的话，主要是记住他的位置：

在项目根目录创建.cursor/rules/文件夹
添加.mdc文件，如ts-rules.mdc，保存后，Cursor会自动应用规则

规则生成工具：
https://cursor.directory/generate
把package.json扔进去就能根据你依赖的包生成规则，很赞！

把.cursorrules转为.mdc配置的工具：
https://github.com/sanjeed5/awesome-cursor-rules-mdc

参考示例

https://github.com/PatrickJS/awesome-cursorrules

https://github.com/justdoinc/justdo/tree/master/.cursor/rules

(TODO)Breakthrough Method of Agile (ai-driven) Development

https://github.com/bmadcode/BMAD-METHOD

RIPER-5

原贴：
https://forum.cursor.com/t/i-created-an-amazing-mode-called-riper-5-mode-fixes-claude-3-7-drastically/65516

https://github.com/NeekChaw/RIPER-5
RIPER-5定义了五种模式：研究（Research）、创新（Innovate）、规划（Plan）、执行（Execute）、审查（Review），每种模式内又规定了明确的任务目的、允许与禁止的操作。

想法

未来可能没有前端开发了

未来可能是AI产品经理用这些AI工具快速出POC，然后开发基于这个去雕花，开发的价值愈发降低，最终被完全替代，消失。

未来能活下来的，就只有AI算法工程师、AI产品经理、系统架构师，没有普通开发。

而我，似乎更适合走系统架构师/AI算法工程师这两条路。

系统架构师上限还可以，但是市场需求不多，每个公司基本上都是一个萝卜一个坑。不过这方面的能力可以作为一个附加通用能力，很值得深挖一下。

AI算法工程师是个上限很高的工种，我现在这个可视化，上限就是N，已经到顶了，而且我的技术还是虚的。转AI可能第一年0.5N，第三年1.5N，第五年2N，是条未来可期的道路！

未来只需要能胜任高复杂度架构设计的系统架构设计师

因为短期内AI还搞不定高复杂度的系统。对人而言，做AI搞不定的事情，才有竞争力。

我们处于一个迷茫的时代

都知道AI好，都希望应用AI到自己的业务和项目中，但是具体的目标、产品的形态，其实并不明确。
只是流于表面的说和用。

AI编码的核心是写需求文档的能力

https://mp.weixin.qq.com/s/unnRunuSIbP6TY2XXd_x7g

春节用了 3 天做出小程序，上上周用了 1 小时，到今天只用几分钟，这里的迭代核心是我写需求文档能力在跃迁，能很快描述出来 Cursor 能理解的文字，这背后是大量的日积月累。

新闻资讯

我感觉近期AI IDE在能力上会有一个大跃升：
Trae 的SOLO、腾讯这个CodeBuddy、Kiro等等，用起来真的和以前的工具不一样了；基本都内置了软件工程的内容，而且做得很好，具备真正的实用性。

如何评价 Trae 发布 2.0，以及新推出的 SOLO 模式体验如何？ - 天猪的回答 - 知乎
https://www.zhihu.com/question/1930712114894431572/answer/1930973959412753056

2025.07.23-阿里放出对标Claude Code的 Qwen Code
https://mp.weixin.qq.com/s/bZERj3Aw3c9hHQiKJ3PLgw

2025.07.23- 阿里Qwen新王炸！480B代码模型Qwen3-Coder开源，Agent能力开源第一
https://mp.weixin.qq.com/s/Av5n4wKMXtPtzHm58KU8Ag

OpenAI 的“编程”新范式？其实是瀑布模型的回魂：“听 PM 的话、写需求文档”
https://mp.weixin.qq.com/s/7dyedgTvMhutLR6_yeODIQ

软件开发的瓶颈，正在从写代码上移到写规范（spec）这一流程上；
规范就是“新代码”；
代码只是规范的一种有损投影；
代码本身并不包含最初的意图，更像是意图的“编译产物”；
扔掉 prompt 只保留代码，就像扔掉源代码只保留二进制文件一样；
一个好的规范文档应该能：发现意图冲突、提供策略示例、标注歧义，并表达“意图”而不是语法；
把规范当成代码来编写，意味着每个人都能参与贡献；
新一代 IDE 将类似现有 IDE，但功能重点从类型管理、语法逻辑、自动补全等，转向帮助生成清晰的意图文档、管理意图冲突、突出歧义、测试预期结果与人类意图是否一致等；

VIVO/OPPO：
开发写框架，然后设计师在这个框架下写前端代码
用的是Cursor

The last piece of software.
Prompt full-stack apps in minutes.
https://lovable.dev/
生成的个人主页：
https://showcase-spark-connect.lovable.app/
其前身是个开源项目：
https://github.com/AntonOsika/gpt-engineer
Lovable团队访谈：
https://mp.weixin.qq.com/s/atAFAacpH2_-vh3GH3br5w
https://www.youtube.com/watch?v=DZtGxNs9AVg
基于Lovable的项目：
https://launched.lovable.dev/
开发模式：
用 Lovable 完成构建软件的大部分工作，再用 Cursor 调整。

字节Trae国内版正式上线，小白也可以轻松上手AI编程了：
https://mp.weixin.qq.com/s/ZhX7x8X0TgJBrT1NsSnRhA
看作者做的可视化的案例，能解决大部分简单的分析场景了，这个也作为我们的一个方向，写进工作汇报
TODO：用这个builder模式写我的chrome插件试试
把我的官网也写一下，让它教我如何写好前端代码，其他技术也可以用这种方式学习。

Figma AI上线了，如下是UED设计师毛帅的调研：

Figma的AIGC已经可以用了，大家可以体验一下
主要的功能：
1.用prompt生成单个界面
2.快速调整配色风格、圆角风格、整体间距、字体风格
从图层看，【不是用的组件】

Figma AI的能力：
1、根据prompt生成单个页面，可继续通过prompt替换组件，但不能对组件内部样式进行改动
2、生成的页面可【支持简单的样式调整】，如主题色、深浅模式、圆角、间距、字体等
3、生成的结果主要根据组件样式拼装，不太能更改样式，无论prompt描述的多具体，也会按现有样式展示，且有出错概率
4、支持多语言描述prompt生成对应语言的页面
5、只能生成常见的简单页面类型，不太能满足正常业务需求

事实证明：Prompt 这种东西已经过时！ Claude 3.7 一句话生成全站UI交互原型稿
https://mp.weixin.qq.com/s/hy-cP9jv2kEz_brrnB56mQ

mgx.dev，构建AI开发角色(Team Leader, Product Manager, Architect, Engineer, Data Analyst)：
https://mgx.dev/

深夜王炸！刚刚Anthropic发布全球首个混合推理模型与全新代码“神器”：双面王牌组合
https://mp.weixin.qq.com/s/sSqjNV4_X-y5OGiHb8uzYg

精-程序员的红利彻底过去了

(TODO)持续让 LLM 优化代码会怎样？

Anthropic 重磅开源 MCP：一个配置让 Claude 变身全能选手
 https://modelcontextprotocol.io/introduction

Data Whale:AI 编程最全解析！从趋势到实践

实现 AI Coding 在大型项目的可行性探索
我们在大型工程中也要解决可行性的问题，在 LLM 时代之前我们会怎么做？我们会通过做抽象、做架构隔离、做分工、记录文档等等方式来解决。一个大工程如果在这些方面做的很好，那么对实践 AI Coding 也大有帮助。
哪怕一个项目有几十甚至几百万行代码，但是解决一个具体问题时人们和 AI 所需要的上下文都是相对有限的。目前的 AI Coding 工具背后都会有一个代码知识图谱系统支持，用于召回与当前任务相关的上下文。随着 Agent 的出现，AI 会自己分析任务并调用 IDE 中的工具探索、获取上下文，做到更加的精确。

通过将 Claude 与 Linear 连接构建的 AI 助手，能够自动编写产品需求文档（PRD）、创建任务并根据难度排序

Cursor 最大竞争对手 Windsurf 发布最新官方教程:如何把设计稿转成代码
 演示视频

Github Copilot 面向所有用户免费开放-内含各种新特性介绍

最强编程 AI 智能体 Claude Dev 重大更新，改名为 Cline

#AI #Copilot

CSS调试技巧上一篇

APISIX学习笔记下一篇