让AI自主开发跑起来:先写验收,再拆任务
最近我在尝试把一批开发需求交给多个 AI 执行。这批需求的一部分来自会议录音转写:里面有产品边界、技术方案、人员分工,也有口误、同音字和讨论到一半又被推翻的想法。最直接的做法是把转写总结成任务列表喂给 AI,等它写完再补测试和自测。
最近我在尝试把一批开发需求交给多个 AI 执行。这批需求的一部分来自会议录音转写:里面有产品边界、技术方案、人员分工,也有口误、同音字和讨论到一半又被推翻的想法。最直接的做法是把转写总结成任务列表喂给 AI,等它写完再补测试和自测。
最近在规划一个基于开源 Agent Runtime 的桌面客户端,UI 开发很快遇到一个具体问题:到底要不要引入第三方组件库?是用 MUI、Ant Design 快速搭页面,还是所有组件都自己写?
周末我做了一件事:把自己 GitHub 上的 32 个私人项目,逐个过了一遍,判断哪些适合开源。结论是——一个都不能直接发。
最近我用一套自己常用的开发套路,从零交付了一个个人项目 Evolution OS(人生进化系统)。整个过程跑下来比较顺。这套流程我觉得可以作为后续做个人新项目的标准套路,这里做个记录。
最近我在思考一个比较现实的问题:团队使用 AI 工具以后,开发效率确实提高了,但需求并没有跟着变多。
过去一年,很多人对 AI coding 的理解还停留在“让 AI 帮我写代码”。但真正拉开差距的地方,可能已经不在于一次提示词写得多漂亮,而在于你能不能把反复发生的工作、隐性的判断经验、验证规则、学习循环攒成可复用的 AI 基建。
在讲框架之前,先想清楚一个问题:领导坐在台下,他到底想听什么?
按此标准,博客中约 5%(~60 篇) 有 Skill 价值,其中真正高价值、可直接抽取的约 15-20 个。
这篇先作为 OpenCode 的长期学习笔记,不急着写成完整教程。后面关于 OpenCode 的配置、踩坑、Agent 设计、Skill 复用,都放在这里。
最近在优化一个图表组件库的构建速度。这个项目之前的正式 build 特别慢,慢到每次验证都让人下意识想先去做别的事。