即刻App年轻人的同好社区
下载
App内打开
lv.liu
16关注156被关注0夸夸
探索AI时代下前端的转型(超级个体)之路|《AI赋能前端研发从 0~1》开源电子书:https://ai.iamlv.cn
lv.liu
10月前
我愿称之为现阶段Cursor最佳实践之一:

通过 composer 调度 command tool ,从而接入外部的数据源或者调度外部的系统。

这种调度方式跟mcp比起来体验更好,灵活性也更高。

比如可以针对某个项目,把所有需要调度外部系统的地方封装为一个npm包,安装到对应的项目中,再到project级别的.cursor/rules(or全局的cursorrules)中注入调度tools的声明,这种调度方式甚至还可以在执行npm command的时候,人工介入选择各种参数(类似于脚手架命令),每个环节都尽在把控之中。

mcp接入curosr还是存在一些槽点的,比如接入的是长时间的tool任务,会超时等。

如果你不需要对外提供ai服务,只是内部落地的话,现阶段用建议composer agent command接入更好。

今天偶然也发现,国外有一个开源项目也分享了这种方式,理念是一样的,大家可以学习下:github.com
315
lv.liu
10月前
在录制教学视频过程中,越来越体会到“费曼学习法”的精髓。

之前可能只是自己实践过某个知识点,能过做出来,但是针对其中的原理、背景,或者深入聊到具体的内容时,会说的含糊、卡顿。

而作为教学,相当于是强迫自己把知识讲清楚。

作为把知识“讲清楚”的前提,首先要阅读大量的资料,比如我在讲RAG这节课时,搜寻了大量的相关RAG文档,还买了专门聚焦RAG的书籍,相当于脑子里对整个RAG有了一个相对整体的认知。

作为“讲清楚”的核心:要把RAG体系化的认知,融合自己的理解,再结合一些通俗易懂的示例,整理为课件,同时这一步才是真正意义上消化了知识。

通过讲清楚的前提(搜刮大量聚焦的知识,书籍、网络、ai、报课等)、结合讲清楚的核心(通过教学倒逼输出体系化知识),整套流程实践下来,理论上没有学不会的知识。

学习法理论都会,核心还是实践,人至践则无敌。
32
lv.liu
10月前
离不开cursor的n个理由之一:mermaid图生成。 场景:我在准备课程的课件时,需要大量绘制各种示意图(一图胜千言),只需要提供相关的参考资料、例子给到cursor composer,它来生成对应的mermaid图,同时插入到md课件中,通过mermaid插件实时预览出来。(如下图例子)

如果自己画,耗时间不说,关键还没画的这么好看。

市面上应该有很多类似的AI生成示意图的AI产品了吧(我都想撸一个出来给非技术人员用)
97
lv.liu
10月前
近期积累了很多思考和实践,打算把《AI赋能前端研发从0~1》开源小册更新一波,感兴趣的朋友点个赞~ (给我一些动力哈哈)

小册地址:ai.iamlv.cn
88
lv.liu
11月前
Cursor也出来了MCP,定制化能力直接拉满,看得出这是趋势,MCP已经成了AI调度外部能力的规范了,今年会大放异彩,各种第三方系统为了迎合平台的规范趋势,也会陆续对外暴露MCP的Server出来。
详见:docs.cursor.com
07
lv.liu
11月前
之前我心里一直吐槽 Cursor 生态的客制化能力有点弱,就对外暴露了一个 .cursorrules,作为项目全局的 prompt rules 注入,我其实不太看好这种形态,因为编码工作流的场景蛮多,没法在一个文本形态的 cursorrules 中就能够解决所有场景。

不过我这两天简单验证了一下另外一种定制化方案,作为Cursor的重度使用者来说,这波值得分享!

我尝试把自己的一些工作流,比如 Figma To Code,私有知识 RAG 等工作流以 Command 执行 Tools 的方式集成到 Cursor 中,就像类似于 Cline 中可以通过 MCP 即成外部的自定义服务、GitHub Copilot 可以集成自定义 Extortions 一样。

大概原理是:在 .cursorrules 中添加某个 tools 的声明(比如 figma to code 的 tool ),让 curosr composer agent 在某个场景下通过执行 command 的方式来调度这个 tool,比如当用户输入了一个 figma 链接之后,就执行 `npm run figmatocode "www.figma.com"` command,执行的同时将 code 打印出来(这样 cursor 就能够感知到),执行完毕之后,让 cursor composer 自行调度内置的 eidt_file tool 把代码保存到 IDE 中。

理论上,任何跟 Coding 相关的工作流都可以通过 Command Tools 的方式集成到 Cursor 中,可玩性拉满。

这应该是程序员普遍接受度比较高的AI编码产品形态了,未来大量的针对不同编码场景下的工作流直接集成到 IDE 中,灵活性、专业性、AI赋能 三不缺。

期待 Cursor 官方尽快开放直接接入类似于 MCP Tools 的能力。
410
lv.liu
12月前
刷到很多:零基础编程人员通过AI编程做出各种网站。 关于零基础:真要是一个刚毕业的非程序人员,连html、css、js,基本计算机网络都不懂,能做出来吗?能够真正拿到成果的人,背后的已有的经验积累是你看不到的,很多做出成果的都是产品经理、设计师等这种编码上下游的人员,本身对于编码的工作流和程序的形态有多年的耳濡目染。

同理,在公司上班,不只关心自己的一亩三分地,有摸鱼的时间多了解上下游的工作流、学习他们的相关技能(或许他们也已经在“虎视眈眈”),在有一定积累后,前端也可以借助AI,搞定产品、UI设计、后端、运维,不是在公司取代他们,砸人家饭碗,而是在新潮流下给自己积累一些竞争力,多一些选择的机会、多一点晋升或自由的概率,这,是趋势。 像Vercel已经诞生了一个新的岗位:Design Engineer(集UI设计+编码的双才岗)详见:vercel.com 未来上下游不同工种间的组合(FullStack、DevOps、DevQa、PoDev)在AI的助力下会越来越多,门槛也会越来越低。
排列组合那么多,前端er,你中意哪款CP?
149
lv.liu
1年前
微软发布了一个AI驱动的 micro apps (微型应用)代码生成器:GitHub Spark

产品愿景:将应用程序(micro apps)创建成本降低到零

一些思考 🤔

这是我目前看到第一个官方说明聚焦构建 “micro apps”的AI产品,这个产品定位很清晰,也比较稳妥。

其它的代码生成AI产品比如:bolt.new,官方表达的是AI构建全栈项目,其实实际上也是 “mirco apps”。

真正复杂的全栈项目,里面涉及到的技术栈、代码规范、可维护性,代码量等,肯定是无法通过这种产品形态来承载的。

但是小而美的 micro apps,也能够解决某类人群某个场景下的某个细分问题了。

未来,每个人的每个小创意都可以通过AI驱动的 micro app 生成器发布出去。

详见:githubnext.com

加入waitlist:github.com
02
lv.liu
1年前
关于如何在公司前端研发中落地AI、以及前端AI产品发展的趋势的思考🤔️
01
lv.liu
1年前
前几天研究了一下最近挺火的bolt.new,总结了下:

项目主要是stackblitz公司为了营销其浏览器端的全栈运行沙箱WebContainer API:webcontainers.io打造的一个开源项目。

对于非技术人员来说,确实会比cursor或者v0更加惊艳,相当于把整个研发的环节,项目环境、全栈代码生成、以及发布流程都集成了,可以凭需求、想象力和自然语言表达上线一些小的创意性产品。

对于开发人员来说:

- 可以做一些简单的Demo程序,类似于脚手架初始化项目

- 可以学习一下他的提示词是如何写的,如何生成多文件代码:github.com

- 如何基于AI返回的结构化内容触发界面的交互调度:github.com

- 如何基于stackblitz的 WebContainer API运行可视化运行全栈代码:github.com
118