(对体感理解vibe coding的最佳实践和感受AI带来的二阶导甚至三阶导很有帮助)
@lennysan 从 @embirico(OpenAI Codex 产品负责人)那里得到的最大收获:
1. OpenAI 最初的 Codex 产品“走得太靠前了”。
它以云端异步方式运行,这对高级用户很友好,但对新手并不友好。
当 Codex 被带回工程师已经工作的地方——代码编辑器、本地电脑——增长立刻爆发。过去 6 个月,Codex 的使用量增长了 20 倍。
2. OpenAI 在 Codex 的帮助下,仅用两三名工程师、几周时间就做出了 Sora Android 应用,并登顶应用商店第 1 名。
Sora 从 0 到员工测试用了 18 天,随后 10 天 就对外发布。
Codex 通过分析现有的 iOS 应用、生成工作计划、并同时对比两个平台来实现功能,极大加速了开发。
3. 使用 Codex 获取价值的关键:把最难的问题交给它,而不是最简单的。
这些工具是为解决棘手 bug 和复杂任务而生的,而不是用来做琐碎小事。
从那些你原本要花数小时完成的任务开始。
4. 写代码可能会成为 AI 完成任何任务的通用方式。
相比点击界面或构建单独的集成,当 AI 能够即时写出小程序时,表现最好。
这意味着:编码能力应该内建到每一个 AI 助手中,而不只是程序员工具。
5. OpenAI 的设计师现在已经可以自己写代码并上线产品。
设计团队维护着一个在 AI 辅助下构建的、可完整运行的原型。
有想法时,他们直接编码、测试,往往还能自行提交到生产环境。
只有在代码库特别复杂时,工程师才会介入。
6. 即使 AI 模型从明天开始不再进步,仍然有数年的产品工作可以用来释放它们的潜力。
技术本身已经领先于我们使用它的能力。
7. AI 生产力最大的瓶颈不是 AI,而是人类打字的速度。
限制因素包括:你输入提示词的速度,以及你审阅 AI 生成结果的速度。
在 AI 能更可靠地自我验证输出、并主动提供帮助之前,这些工具的全部生产力潜力还无法释放。
8. 写代码正在变得不如“审 AI 写的代码”有趣。
工程师喜欢构建时的创造性心流,但现在更多时间花在阅读 AI 产出的代码上。
下一个挑战,是让代码审阅过程更快、更令人愉悦。
9. 新一代 AI 模型现在可以在单个任务上连续工作 24 到 60 小时以上。
一种叫做「压缩(compaction)」的技术,可以在模型即将耗尽记忆前先总结已学内容,然后在新的会话中继续工作。
这让过去不可能的通宵或多日自主工作成为现实。
10. 如果你今天要创业,深度理解某一类具体用户,比“擅长构建”更重要。
构建正在变得越来越容易。
真正的优势在于:知道该做什么,以及为谁而做。