Andreessen 在 Joe Rogan 节目里聊的这几点很扎心:AI 编程没让人下班更早,反而催生了通宵干活的“AI vampire”。后面关于用决策模型自动路由 prompt 的思路,对每天开好几个标签页调模型的开发者很实用。
#开发者工作流
Matt Pocock 把所有 steering 文件和 skills 收进一个 home repo,Agent 从这里启动再跳去操作别的仓库,改全局规则只改一处。你在多个 repo 里重复维护 AGENTS.md 的话,这套零成本搬一下就行。
这条推文最值钱的地方是对比:同样是 Fable 5.2,5 个人分别只拿它写代码、接引擎、重做老游戏、全流程生成。想做独立游戏的可以照着自己的技术栈抄作业,尤其推荐看 Loktar 那个美术全交给模型的案例。
OpenAI 在 AIE Code Summit 现场演示了 Codex 的三个实用功能:语音下指令、任务丢到云端异步跑、用 dots 标记传上下文。正在用 Codex 写代码的人可以直接照着这套工作流上手,比单纯在 IDE 里对话效率高不少。
GitHub 官方写的 Copilot 智能体工作流指南,覆盖从规划到排查线上问题的完整环节,还讲了哪些事不该交给它,做开发的话可以照着搭自己的流程。
一个开发者发推聊了个很实际的问题:改过的开源代码怎么跟上上游同步?答案是让 Agent 自动做,值得看看他的思路。
OpenAI 工程师晒出自己怎么用 Dot 加 Codex 收集反馈、追踪 Bug 再修复,想学这套工作流的可以看看。
这条吐槽说到点子上了:部署新站最慢的居然是手动申请服务和配环境变量,作者盼着这些服务都有 CLI 或 MCP,好让 AI 全包。做开发的应该都有同感。
Anthropic 把 Unix 老经验搬来管 Claude 多 Agent 协作,讲怎么拆任务不乱套,搭工作流的人能直接抄思路。
Anthropic 出的 Claude Code 云端会话实操指南,教你同时跑多个任务、断网不中断,还附 GitHub 连接避坑方法。
一个用了 15 年 Vim 的开发者聊 Agent 带来的转变:不用再敲命令,直接说意图就行,但底层功底反而成了护城河。
Boris Cherny的亲身经历揭示了AI编程的落地真相——不是替代开发者,而是把开发者从手写代码中解放出来。做开发的团队和个人,建议看看这种新工作流怎么落地。
智能体安全是当前 AI 落地的核心瓶颈,OpenAI 的 Codex 方案将安全控制嵌入开发流程,做 AI 应用开发的团队值得关注这一方向。