即刻App
年轻人的同好社区
下载
App内打开
River_Y1CX
19
关注
2
被关注
0
夸夸
full_stack
River_Y1CX
4天前
突然就有点不想动脑了
ai写完代码之后
ai审查出来
ai修改
ai沉淀
ai下次提交的时候checklist
。。。
0
0
0
River_Y1CX
11天前
程序员应该叫人机协同大师💅
0
0
0
River_Y1CX
22天前
王建硕: 写代码的 agent 越来越聪明，也越来越像黑箱。ccglass 就是想给这个黑箱开一扇玻璃窗——现在能看清它每一步是怎么动的了。 0.3.0 新增：flow 时间线（看它怎么挑工具、跑、再喂回模型）、请求全文导出、agent 还能查自己。 github.com/jianshuo/ccglass
0
0
0
River_Y1CX
23天前
佐老板聊AI: 如何使用 Codex 快速入门任何一个领域
0
0
0
River_Y1CX
1月前
求问网易的云宝agent有没有相关的资料呀？很喜欢这个agent性格
0
0
0
River_Y1CX
1月前
感觉自己班上的拉完了
0
0
0
River_Y1CX
1月前
FOX_AI: 最近用 Codex 写项目，发现了一个问题，就是上下文的管理。 但我最近发现了一个很好用的项目，叫 ok-skills，它是一套专门为 Claude Code、Codex、Cursor 这类 AI 编程工具整理的可复用 skill 集合，有 40 多个。 可以告诉 AI 在特定场景下应该怎么工作，做什么，不做什么。 1 先说我用得最多的一个：planning-with-files。 它解决的问题很具体：AI 在复杂任务里没有持久记忆。 这个 skill 的思路来自 Manus 的工作方式——把"上下文"从对话窗口移到文件系统。 它让 AI 在开始任务之前先创建三个文件：task_plan.md 记录阶段目标和决策，findings.md 存放调研发现，progress.md 做每次操作的流水记录。 整个任务过程中，AI 每隔两个操作就写一次文件，保证关键信息落到磁盘上，而不是飘在对话上下文里。 我实际用起来的感受是，任务被强制结构化了。 AI 不能一上来就开始写代码，必须先建计划，先搞清楚做什么、分几步、每步验证什么。遇到报错也要记下来，下次不许重复同样的失败方式。 正是因为有这些约束，长任务才不容易跑偏。 2 另一个让我觉得挺有意思的是 grill-me。 它做的事情是，在你真正动手之前，逼着你把方案想清楚。 具体方式是一问一答的审讯式对话。 AI 会对你的方案提问，一次只问一个问题，问完你的回答再继续问下一个，直到设计上的每一个决策都有明确答案为止，不允许你含糊过去。 我第一次用它的时候觉得有点烦，因为它揪住了几个我自以为想清楚了但其实根本没想清楚的地方。 但事后复盘，那几个被追问出来的问题，确实是后来真正出问题的地方。 与它配套的还有一个 grill-with-docs，专门对照文档、架构决策记录（ADR）来质疑你的方案，边问边帮你把结论更新到文档里，对需要维护长期项目文档的场景很有用。 3 还有几个平时用得到但容易被忽略的： find-docs 是查文档的。AI 写代码经常会用到一些过时的 API，因为它的训练数据有截止日期。 这个 skill 接入了 Context7，能在写代码之前先拉取当前版本的库文档，减少写出来能跑但已经是旧写法的情况。 gh-fix-ci 是修 CI 的。 GitHub Actions 挂了，日志拉下来，让 AI 读、归因、出方案，一套流程走完。不用自己一行行去看那些 ANSI 颜色乱码的日志。 frontend-design 和一整套叫 impeccable 的设计 skill 包是做界面的。 这套东西有个专门的概念叫"AI slop test"——如果你把这个界面给人看，对方一眼就觉得是 AI 生成的，那就是问题。 skill 里整理了一份很详细的"AI 生成界面的典型指纹"：蓝紫色渐变、毛玻璃卡片、每个 heading 旁边放图标…… skill 的作用是给 AI 立规矩：什么不能用，往哪个方向走。 4 使用方式不复杂。 把仓库 clone 到 ~/.agents/skills/ok-skills，然后在你的 AGENTS.md 或者 CLAUDE.md 里加几行触发规则，告诉 AI 什么时候用哪个 skill。 比如任务超过 5 个工具调用就启用 planning-with-files，需要查文档就用 find-docs，要做界面就读 frontend-design。 之后直接自然语言说"用 planning-with-files 来规划这个重构"就可以了。 仓库里的 skill 来源很杂，有 Anthropic 自己出的，有 OpenAI、Vercel、Upstash、各路开发者贡献的，ok-skills 这个仓库做的事情是把它们收集整理到一起，让你不用到处找。 这个ok-skills 是目前我见过整理得比较完整的一套。
0
0
0
River_Y1CX
1月前
记录今天的听到的金句
想象力比努力更重要
要像大老板一样想象
0
0
0
River_Y1CX
1月前
以前一直觉得可以大力出奇迹，想要的事情付出200%就有很大概率可以得到。
但是有了agent之后，感觉不太是了
好像是有一个度，应该放手交给agent，到那个度就可以了
说的比较抽象，还没彻底想清楚
0
0
0
River_Y1CX
1月前
雁破长空: 想让 Agent 高效，不一定是先买更贵的模型，而是先给它一套固定的工作文档。 我现在觉得最小可用系统就是 6 个文档： 1. 01_goal.md：目标是什么 2. 02_long_term_memory.md：长期偏好、稳定结论 3. 03_current_task.md：当前正在推进什么 4. 04_decisions.md：已经做过哪些重要决策 5. 05_discarded_ideas.md：哪些方向已经暂时放弃 6. 06_experiment_log.md：每次实验和真实反馈 每次任务开始前，先让 Agent 读取这 6 个文件；任务结束后，再判断哪些文件需要更新。 这样 Agent 就不会每次都从零开始，也不容易反复研究已经否掉的方向。 很多时候，Agent 的效率不是靠“更强模型”堆出来的，而是靠目标、记忆、决策和复盘系统搭出来的。
0
0
0
